論文の概要: Quantum Vision Transformers for Quark-Gluon Classification

• arxiv url: http://arxiv.org/abs/2405.10284v1
• Date: Thu, 16 May 2024 17:45:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-17 13:33:15.772559
• Title: Quantum Vision Transformers for Quark-Gluon Classification
• Title（参考訳）: クォークグルーオン分類のための量子ビジョン変換器
• Authors: Marçal Comajoan Cara, Gopal Ramesh Dahale, Zhongtian Dong, Roy T. Forestano, Sergei Gleyzer, Daniel Justice, Kyoungchul Kong, Tom Magorsch, Konstantin T. Matchev, Katia Matcheva, Eyup B. Unlu,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.350407101925898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a hybrid quantum-classical vision transformer architecture, notable for its integration of variational quantum circuits within both the attention mechanism and the multi-layer perceptrons. The research addresses the critical challenge of computational efficiency and resource constraints in analyzing data from the upcoming High Luminosity Large Hadron Collider, presenting the architecture as a potential solution. In particular, we evaluate our method by applying the model to multi-detector jet images from CMS Open Data. The goal is to distinguish quark-initiated from gluon-initiated jets. We successfully train the quantum model and evaluate it via numerical simulations. Using this approach, we achieve classification performance almost on par with the one obtained with the completely classical architecture, considering a similar number of parameters.
• Abstract（参考訳）: 本稿では,アテンション機構と多層パーセプトロンの両方に量子回路を組み込んだハイブリッド型量子古典型視覚トランスフォーマアーキテクチャを提案する。 この研究は、次のHigh Luminosity Large Hadron Colliderのデータ分析における計算効率とリソース制約の重大な課題に対処し、アーキテクチャを潜在的な解決策として提示する。 特に,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。 ゴールは、クォーク開始時とグルーオン開始時とを区別することである。 量子モデルをトレーニングし,数値シミュレーションにより評価した。 このアプローチを用いることで,ほぼ同程度のパラメータを考慮し,完全古典的アーキテクチャで得られたものと同等の分類性能を達成できる。

関連論文リスト

• Hybrid Classical-Quantum architecture for vectorised image classification of hand-written sketches [0.0]
  量子機械学習は、別の方法でデータを学ぶために量子現象をどのように活用するかを研究する。 近年の進歩は、ハイブリッド古典量子モデルは、アーキテクチャの複雑さが低い場合に競争性能を達成できることを示唆している。 本稿では,QMLモデルのテストベッドとして,スケッチ描画のベクトルベース表現を提案する。
  論文  参考訳（メタデータ） (2024-07-08T21:51:20Z)
• 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)
• Entanglement Structure Detection via Computer Vision [18.876952671920133]
  量子絡み合いは、様々な量子情報処理タスクにおいて重要な役割を果たす。 本稿では,GHZ と W 状態の分類と様々な絡み合い構造の検出のためのハイブリッド CNN-Transformer モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-07T07:11:22Z)
• A Spin-Optical Quantum Computing Architecture [0.0]
  フォールトトレラント量子コンピューティング用に設計された適応性とモジュール型ハイブリッドアーキテクチャを提案する。 量子エミッターと線形光学的エンタングゲートを組み合わせて、物質ベースのアプローチとフォトニックベースのアプローチの両方の強度を利用する。
  論文  参考訳（メタデータ） (2023-11-09T18:59:05Z)
• Classical-to-Quantum Transfer Learning Facilitates Machine Learning with Variational Quantum Circuit [62.55763504085508]
  本稿では,変分量子回路(VQC)を用いた古典的量子移動学習アーキテクチャにより,VQCモデルの表現と一般化(推定誤差)が向上することを証明する。 古典-量子遷移学習のアーキテクチャは、事前学習された古典的生成AIモデルを活用し、訓練段階におけるVQCの最適パラメータの発見を容易にする。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Photonic Quantum Computing For Polymer Classification [62.997667081978825]
  2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。 高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-11-22T11:59:52Z)
• Tunable photon-mediated interactions between spin-1 systems [68.8204255655161]
  我々は、光子を媒介とする効果的なスピン-1系間の相互作用に、光遷移を持つマルチレベルエミッタを利用する方法を示す。 本結果は,空洞QEDおよび量子ナノフォトニクス装置で利用可能な量子シミュレーションツールボックスを拡張した。
  論文  参考訳（メタデータ） (2022-06-03T14:52:34Z)
• On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
  一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。 本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。 量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
  論文  参考訳（メタデータ） (2022-06-01T11:03:51Z)
• Quantum Embedding Search for Quantum Machine Learning [2.7612093695074456]
  クエスト」と発音される新しい量子埋め込み探索アルゴリズム(QES)を導入する。 我々は、量子埋め込みの構造と有向多重グラフの表現との接続を確立し、明確に定義された探索空間を実現する。 本稿では,QESによる量子埋め込みアーキテクチャが手動設計より優れていることを実証的に示す,合成とアイリスデータセットに対する提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-05-25T11:50:57Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。