論文の概要: A Novel Quantum Realization of Jet Clustering in High-Energy Physics Experiments
- arxiv url: http://arxiv.org/abs/2407.09056v1
- Date: Fri, 12 Jul 2024 07:26:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 00:17:04.563475
- Title: A Novel Quantum Realization of Jet Clustering in High-Energy Physics Experiments
- Title（参考訳）: 高エネルギー物理実験におけるジェットクラスタリングの新しい量子化
- Authors: Yongfeng Zhu, Weifeng Zhuang, Chen Qian, Yunheng Ma, Dong E. Liu, Manqi Ruan, Chen Zhou,
- Abstract要約: 高エネルギー粒子衝突ではクォークとグルーオンが生成され、すぐにジェットとして知られる衝突粒子噴霧を形成する。
正確なジェット・クラスタリングは、起源のクォークやグルーオンの情報を保持するために重要である。
この研究は、ジェットクラスタリングに革命をもたらす量子コンピューティングの可能性を強調した。
- 参考スコア（独自算出の注目度）: 8.841173525787223
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Exploring the application of quantum technologies to fundamental sciences holds the key to fostering innovation for both sides. In high-energy particle collisions, quarks and gluons are produced and immediately form collimated particle sprays known as jets. Accurate jet clustering is crucial as it retains the information of the originating quark or gluon and forms the basis for studying properties of the Higgs boson, which underlies teh mechanism of mass generation for subatomic particles. For the first time, by mapping collision events into graphs--with particles as nodes and their angular separations as edges--we realize jet clustering using the Quantum Approximate Optimization Algorithm (QAOA), a hybrid quantum-classical algorithm for addressing classical combinatorial optimization problems with available quantum resources. Our results, derived from 30 qubits on quantum computer simulator and 6 qubits on quantum computer hardware, demonstrate that jet clustering performance with QAOA is comparable with or even better than classical algorithms for a small-sized problem. This study highlights the feasibility of quantum computing to revolutionize jet clustering, bringing the practical application of quantum computing in high-energy physics experiments one step closer.
- Abstract（参考訳）: 量子技術の基礎科学への応用を探求することは、双方にとってイノベーションを育む鍵となる。
高エネルギー粒子衝突ではクォークとグルーオンが生成され、すぐにジェットとして知られる衝突粒子噴霧を形成する。
正確なジェット・クラスタリングは、起源のクォークやグルーオンの情報を保持し、亜原子粒子の質量生成の機構を基盤とするヒッグス粒子の性質の研究の基礎を形成するため、重要である。
衝突イベントをノードとして、角分離をエッジとしてグラフにマッピングすることで、利用可能な量子資源と古典的な組合せ最適化問題に対処するハイブリッド量子古典アルゴリズムであるQuantum Approximate Optimization Algorithm (QAOA)を用いてジェットクラスタリングを実現する。
量子コンピュータシミュレータの30量子ビットと量子コンピュータハードウェアの6量子ビットから得られた本研究では,QAOAを用いたジェットクラスタリング性能が,小型問題に対する古典的アルゴリズムと同等かそれ以上に優れていることを示す。
この研究は、ジェットクラスタリングに革命をもたらす量子コンピューティングの可能性を強調し、高エネルギー物理実験における量子コンピューティングの実践的応用を一歩近づいた。
関連論文リスト
- Hybrid quantum-classical approach for combinatorial problems at hadron colliders [7.2572969510173655]
粒子物理学実験における問題を解くために量子アルゴリズムの可能性を探る。
大型ハドロン衝突型加速器の完全ハドロンチャネルにおけるトップクォーク対生成について検討した。
量子アルゴリズムを用いることで,正しいペアリングを選択する効率を大幅に向上することを示す。
論文 参考訳（メタデータ） (2024-10-29T18:00:07Z) - Quantum-annealing-inspired algorithms for multijet clustering [0.0]
電子-陽電子衝突イベントにおいて、複数のジェットをクラスタリングするための新しい量子アニール型アルゴリズムを導入する。
これらの量子アニーリングにインスパイアされたアルゴリズムの1つ、弾道的シミュレートされた分岐は、量子アニーリングアプローチによるマルチジェットクラスタリングで以前に観測された問題を克服する。
論文 参考訳（メタデータ） (2024-10-18T07:31:04Z) - Universal Euler-Cartan Circuits for Quantum Field Theories [0.0]
量子場理論の非摂動特性を計算するためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムは、オイラーとカルタンの単一および2量子ビット作用素の分解に基づく普遍パラメタライズド量子回路アンサッツに依存している。
論文 参考訳（メタデータ） (2024-07-31T01:59:09Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Application of Quantum Machine Learning in a Higgs Physics Study at the
CEPC [5.747925022035578]
我々は、Circular Electron-Positron Collider (CEPC)において、量子機械学習アルゴリズムを用いて、$e+e- rightarrow ZH$プロセスの研究を行った。
量子コンピュータシミュレータの6キュービットを用いて,QSVM-カーネルアルゴリズムを最適化し,従来のサポートベクトルマシンアルゴリズムと同様の分類性能を得た。
我々の研究は、最先端の量子コンピューティング技術が粒子物理学によって活用できることを示した。
論文 参考訳（メタデータ） (2022-09-26T15:46:30Z) - Quantum Annealing for Jet Clustering with Thrust [0.0]
高エネルギーコライダー物理学では、量子アシストアルゴリズムが粒子をジェットに加速させる。
量子アニールは、正確な古典的アプローチと類似した性能が得られる。
チューニングなしでは、同等の性能はハイブリッド量子/古典的アプローチによって得ることができる。
論文 参考訳（メタデータ） (2022-05-05T17:46:07Z) - Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。
本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-24T12:48:00Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。