論文の概要: Hybrid Quantum Vision Transformers for Event Classification in High Energy Physics

• arxiv url: http://arxiv.org/abs/2402.00776v1
• Date: Thu, 1 Feb 2024 17:05:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 14:26:51.358963
• Title: Hybrid Quantum Vision Transformers for Event Classification in High Energy Physics
• Title（参考訳）: 高エネルギー物理学における事象分類のためのハイブリッド量子ビジョントランスフォーマー
• Authors: Eyup B. Unlu, Mar\c{c}al Comajoan Cara, Gopal Ramesh Dahale, Zhongtian Dong, Roy T. Forestano, Sergei Gleyzer, Daniel Justice, Kyoungchul Kong, Tom Magorsch, Konstantin T. Matchev, Katia Matcheva
• Abstract要約: 量子ベースのビジョントランスフォーマーモデルは、トレーニングと運用時間を短縮することでこの問題を軽減する可能性がある。 我々は高エネルギー物理学における分類問題に対する量子ハイブリッド・ビジョン・トランスフォーマーのいくつかのバリエーションを構築した。 以上の結果から,これらのハイブリッドモデルは,類似したパラメータを持つ古典的アナログに匹敵する性能を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 3.4501257919411006
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Models based on vision transformer architectures are considered state-of-the-art when it comes to image classification tasks. However, they require extensive computational resources both for training and deployment. The problem is exacerbated as the amount and complexity of the data increases. Quantum-based vision transformer models could potentially alleviate this issue by reducing the training and operating time while maintaining the same predictive power. Although current quantum computers are not yet able to perform high-dimensional tasks yet, they do offer one of the most efficient solutions for the future. In this work, we construct several variations of a quantum hybrid vision transformer for a classification problem in high energy physics (distinguishing photons and electrons in the electromagnetic calorimeter). We test them against classical vision transformer architectures. Our findings indicate that the hybrid models can achieve comparable performance to their classical analogues with a similar number of parameters.
• Abstract（参考訳）: 視覚変換器アーキテクチャに基づくモデルは、画像分類タスクに関しては最先端と見なされる。 しかし、トレーニングとデプロイメントの両方に広範な計算資源が必要である。 データの量と複雑さが増すにつれて、問題は悪化する。 量子ベースのビジョントランスフォーマーモデルは、同じ予測パワーを維持しながらトレーニングと運用時間を短縮することで、この問題を軽減する可能性がある。 現在の量子コンピュータはまだ高次元のタスクを実行できないが、彼らは将来最も効率的なソリューションの1つを提供している。 本研究では,高エネルギー物理学における分類問題(電磁熱量計における光子と電子の分離)のために量子ハイブリッド視覚変換器のバリエーションをいくつか構築する。 古典的なビジョントランスフォーマーアーキテクチャに対してテストします。 以上の結果から,ハイブリッドモデルは,類似するパラメータ数を持つ古典的アナログと同等の性能を達成できることが示唆された。

関連論文リスト

• Quantum Attention for Vision Transformers in High Energy Physics [39.38389619339798]
  量子直交ニューラルネットワーク(QONN)を取り入れた新しいハイブリッド量子古典型視覚変換器アーキテクチャを提案する。 この研究は、次世代粒子物理学実験の計算要求に対処する量子強化モデルの可能性を強調している。
  論文  参考訳（メタデータ） (2024-11-20T18:11:17Z)
• Unveil Benign Overfitting for Transformer in Vision: Training Dynamics, Convergence, and Generalization [88.5582111768376]
  本研究では, ソフトマックスを用いた自己保持層と, 勾配勾配下での完全連結層からなるトランスフォーマーの最適化について検討した。 この結果から,データモデルにおける信号対雑音比に基づいて,小さなテストエラー位相と大規模なテストエラー状態とを区別できるシャープ条件を確立した。
  論文  参考訳（メタデータ） (2024-09-28T13:24:11Z)
• Hybrid Quantum-Classical Normalizing Flow [5.85475369017678]
  パラメータ化量子回路に基づくハイブリッド量子古典正規化フロー(HQCNF)モデルを提案する。 我々は画像生成問題でモデルを検証した。 量子生成逆数ネットワーク(QGAN)のような他の量子生成モデルと比較して、我々のモデルはFr'echet 距離(FID)の低いスコアを得る。
  論文  参考訳（メタデータ） (2024-05-22T16:37:22Z)
• Quantum Vision Transformers for Quark-Gluon Classification [3.350407101925898]
  本稿では,変分量子回路を統合したハイブリッド型量子古典視覚変換器アーキテクチャを提案する。 CMS Open Dataのマルチ検出器ジェット画像にモデルを適用し,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-05-16T17:45:54Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Quantum Vision Transformers [2.3558144417896583]
  本稿では、複合行列に基づく量子変換器を含む、トレーニングと推論のための3種類の量子変換器を紹介する。 我々は,競争力のある標準的な医用画像データセット上で,量子トランスフォーマーの広範なシミュレーションを行った。 超伝導量子コンピュータに量子トランスを実装し,最大6量子ビット実験の励磁結果を得た。
  論文  参考訳（メタデータ） (2022-09-16T20:51:23Z)
• Variational Adiabatic Gauge Transformation on real quantum hardware for effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
  変分アダバティックゲージ変換(VAGT)を導入する。 VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。 VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
  論文  参考訳（メタデータ） (2021-11-16T20:50:08Z)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。