Fugu-MT 論文翻訳(概要): Evaluating Modifications to Classifiers for Identification of Higgs Bosons

論文の概要: Evaluating Modifications to Classifiers for Identification of Higgs Bosons

arxiv url: http://arxiv.org/abs/2409.10902v1
Date: Tue, 17 Sep 2024 05:41:30 GMT
ステータス: 処理完了
システム内更新日: 2024-09-18 17:48:51.782925
Title: Evaluating Modifications to Classifiers for Identification of Higgs Bosons
Title（参考訳）: ヒッグス粒子の同定のための分類器への修正の評価
Authors: Rishivarshil Nelakurti, Christopher Hill,
Abstract要約: ヒッグス粒子は、2012年にATLASとCMSの実験によって大型ハドロン衝突型加速器(LHC)の衝突データによって発見された。本稿では、量子機械学習(QML)を用いて、この分類問題に取り組むことを目的とする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: The Higgs boson, discovered back in 2012 through collision data at the Large Hadron Collider (LHC) by ATLAS and CMS experiments, marked a significant inflection point in High Energy Physics (HEP). Today, it's crucial to precisely measure Higgs production processes with LHC experiments in order to gain insights into the universe and find any invisible physics. To analyze the vast data that LHC experiments generate, classical machine learning has become an invaluable tool. However, classical classifiers often struggle with detecting higgs production processes, leading to incorrect labeling of Higgs Bosons. This paper aims to tackle this classification problem by investigating the use of quantum machine learning (QML).
Abstract（参考訳）: 2012年にATLASとCMSの実験で大型ハドロン衝突型加速器(LHC)の衝突データから発見されたヒッグス粒子は、高エネルギー物理学(HEP)において重要な反射点となった。現在、ヒッグスの生産過程をLHC実験で正確に測定し、宇宙の洞察を得て、目に見えない物理学を見つけることが不可欠です。 LHC実験が生み出す膨大なデータを解析するために、古典的な機械学習は貴重なツールとなった。しかし、古典的な分類器は、しばしばヒッグス生産過程の検出に苦労し、ヒッグス粒子の誤ったラベル付けに繋がる。本稿では、量子機械学習(QML)を用いて、この分類問題に取り組むことを目的とする。

関連論文リスト

From angular coefficients to quantum observables: a phenomenological appraisal in di-boson systems [44.99833362998488]
マルチボソン過程のスピン構造にアクセスすることへの関心が高まっていることから, 双ボソン系の偏極係数とスピン相関係数について検討した。そこで本研究では,QCDとエレクトロオーク型の高次補正,オフシェルモデリング,およびフィデューシャルセレクションやニュートリノ再構成などの現実的な効果が避けられないことを示す。
論文参考訳（メタデータ） (2024-09-25T08:30:54Z)
Constraining the Higgs Potential with Neural Simulation-based Inference for Di-Higgs Production [0.09999629695552195]
我々は,ディヒッグス現象の運動論を通じて,標準モデルを超えて物理に対する感度を改善する方法について検討する。特に,シミュレーションに基づく推論を通した機械学習を用いて,空間当たりの確率比を推定する。標準モデル有効場理論の観点では、限られた数の観測可能量を追加することで、ウィルソン係数の縮退を除去できる。
論文参考訳（メタデータ） (2024-05-24T18:00:00Z)
Quantum Pathways for Charged Track Finding in High-Energy Collisions [42.044638679429845]
高エネルギー粒子衝突では、荷電トラック発見は複雑だが重要な試みである。トラック探索の精度と効率を高めるために,量子アルゴリズム,特に量子テンプレートマッチングを提案する。
論文参考訳（メタデータ） (2023-11-01T18:13:59Z)
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)
Unravelling physics beyond the standard model with classical and quantum anomaly detection [1.014313095022286]
現在の実験では、追加のBeyond Standard Model(BSM)理論の発展を導く新しい物理学の兆候は示されていない。本稿では,ランダムなプロセスによる異常の人工的生成に基づいて,教師付き学習環境で異常検出を行う新しい手法を提案する。さらに有望なことに、人工的な異常を識別するために訓練されたSVCを用いることで、現実的なBSMイベントを高精度に識別することが可能である。
論文参考訳（メタデータ） (2023-01-25T19:00:14Z)
Perspective on Quantum Bubbles in Microgravity [40.448811194740536]
国際宇宙ステーション(ISS)にあるNASAのコールド原子研究所(CAL)は、超低温の原子バブルの研究を可能にした。カル試験はCALで実施されている。 rf-dressing Technique; 代替技術(二重種相互作用駆動バブル)も提案されている。どちらの手法も、微小重力における基礎物理学研究の次の10年で発見を加速させる可能性がある。
論文参考訳（メタデータ） (2022-11-09T10:55:49Z)
Anomaly detection in high-energy physics using a quantum autoencoder [0.0]
LHCにおける異常検出問題に対する変分量子回路に基づく量子オートエンコーダについて検討する。 QCD $tbart$ 背景および共鳴重ヒッグス信号に対して、単純な量子オートエンコーダは古典的オートエンコーダよりも優れており、非常に効率的に訓練することができる。このことは、量子オートエンコーダが将来のLHCにおける高エネルギー物理データを解析するための良い候補であることを示している。
論文参考訳（メタデータ） (2021-12-09T14:38:14Z)
Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文参考訳（メタデータ） (2021-03-31T02:41:36Z)
Application of Quantum Machine Learning using the Quantum Variational Classifier Method to High Energy Physics Analysis at the LHC on IBM Quantum Computer Simulator and Hardware with 10 qubits [6.56216604465389]
量子機械学習は、高エネルギー物理学におけるデータ分析の強力なツールになり得る。我々は近年のLHCフラッグシップ物理解析において量子変分法を用いる。将来の高輝度LHC物理解析における量子機械学習の利用を予見する。
論文参考訳（メタデータ） (2020-12-21T18:39:36Z)
Application of a Quantum Search Algorithm to High- Energy Physics Data at the Large Hadron Collider [0.0]
本稿では,CERNのLarge Hadron Colliderを用いて,13TeV衝突エネルギーにおける陽子-陽子衝突の稀な事象を探索するために,Grover Algorithm(GA)という科学量子アルゴリズムを適用した新しい手法を示す。 Jupyter Notebook, GAの古典的シミュレーション, および複数の量子コンピュータを用いて, それぞれ数量子ビットを用いて, この応用が非ソートデータセットの適切な選択を行うことを示した。
論文参考訳（メタデータ） (2020-10-01T19:23:36Z)
Probing the Universality of Topological Defect Formation in a Quantum Annealer: Kibble-Zurek Mechanism and Beyond [46.39654665163597]
一次元横フィールドイジングモデルによるトポロジカル欠陥生成の実験的検討について報告する。位相フリップ誤差を伴う開系量子力学のKZMにより量子シミュレータの結果を実際に説明できることが判明した。これは、環境からの孤立を仮定する一般化KZM理論の理論的予測が、その元のスコープを越えてオープンシステムに適用されることを意味する。
論文参考訳（メタデータ） (2020-01-31T02:55:35Z)

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。