論文の概要: Towards Designing Scalable Quantum-Enhanced Generative Networks for Neutrino Physics Experiments with Liquid Argon Time Projection Chambers
- arxiv url: http://arxiv.org/abs/2410.12650v1
- Date: Wed, 16 Oct 2024 15:14:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-17 13:41:09.830911
- Title: Towards Designing Scalable Quantum-Enhanced Generative Networks for Neutrino Physics Experiments with Liquid Argon Time Projection Chambers
- Title(参考訳): 液体アルゴン時間射影チャンバーを用いたニュートリノ物理実験のためのスケーラブル量子強化生成ネットワークの設計に向けて
- Authors: Andrea Delgado, Diego Venegas-Vargas, Adam Huynh, Kevon Carroll,
- Abstract要約: LArTPCにおける高解像度画像の生成モデリングは、データの複雑さと空間性のために大きな課題を呈している。
正規化手法を導入し、小規模な画像で成功し、トレーニングプロセスの安定化を実証した。
これらの知見は、LArTPCデータ生成における量子強化生成モデルの可能性を強調し、核・高エネルギー物理学におけるスケーラブルなハイブリッド量子古典解の開発に有用な洞察を提供する。
- 参考スコア(独自算出の注目度): 0.7499722271664147
- License:
- Abstract: Generative modeling for high-resolution images in Liquid Argon Time Projection Chambers (LArTPC), used in neutrino physics experiments, presents significant challenges due to the complexity and sparsity of the data. This work explores the application of quantum-enhanced generative networks to address these challenges, focusing on the scaling of models to handle larger image sizes and avoid the often encountered problem of mode collapse. To counteract mode collapse, regularization methods were introduced and proved to be successful on small-scale images, demonstrating improvements in stabilizing the training process. Although mode collapse persisted in higher-resolution settings, the introduction of these techniques significantly enhanced the model's performance in lower-dimensional cases, providing a strong foundation for further exploration. These findings highlight the potential for quantum-enhanced generative models in LArTPC data generation and offer valuable insights for the future development of scalable hybrid quantum-classical solutions in nuclear and high-energy physics.
- Abstract(参考訳): ニュートリノ物理実験で使用される液体アルゴン時間射影チャンバー(LArTPC)における高分解能画像の生成モデリングは、データの複雑さと空間性に起因する重要な課題を提示する。
この研究は、これらの課題に対処する量子化された生成ネットワークの適用を探求し、より大きな画像サイズを扱うためのモデルのスケーリングに焦点を当て、しばしば発生するモード崩壊の問題を回避する。
モード崩壊対策として, 小型画像に正規化手法を導入し, 訓練過程の安定化を図った。
モード崩壊は高解像度設定では継続したが、これらの手法の導入により低次元の場合ではモデルの性能が大幅に向上し、さらなる探索の基盤となった。
これらの知見は、LArTPCデータ生成における量子強化生成モデルの可能性を強調し、核・高エネルギー物理学におけるスケーラブルなハイブリッド量子古典解の開発に有用な洞察を提供する。
関連論文リスト
- Quantum Latent Diffusion Models [65.16624577812436]
本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。
これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。
この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
論文 参考訳(メタデータ) (2025-01-19T21:24:02Z) - Quantum Diffusion Model for Quark and Gluon Jet Generation [3.129585931342323]
量子コンピューティング技術の恩恵を受ける新しい拡散モデルを導入する。
我々は大型ハドロン衝突型加速器から構造的に複雑なクォークとグルーオンジェットのデータセットの評価を行った。
論文 参考訳(メタデータ) (2024-12-30T17:00:54Z) - Towards quantum simulation of lower-dimensional supersymmetric lattice models [0.0]
超対称性モデルは、粒子物理学の標準モデルに対する価値ある拡張を提供する。
これらのモデルの非摂動的特徴を探索する格子研究は、重大な課題に直面する。
我々は、IBMゲートベースの量子シミュレータ上でのモデル超対称性の破れの実装と検証について強調する。
論文 参考訳(メタデータ) (2024-11-22T17:18:25Z) - 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) - Hybrid Stabilizer Matrix Product Operator [44.99833362998488]
本稿では, テンソルネットワーク法と安定化器形式を併用した新しいハイブリッド手法を提案し, 多体量子システムのシミュレーションの課題に対処する。
本稿では,ランダムなクリフォードTドープ回路とランダムなクリフォードFloquet Dynamicsへの応用を通して,本手法の有効性を実証する。
論文 参考訳(メタデータ) (2024-05-09T18:32:10Z) - SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。
本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。
Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
論文 参考訳(メタデータ) (2024-03-15T06:26:46Z) - Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。
ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。
本稿では,物理統合復元ネットワーク(PiRN)を提案する。
論文 参考訳(メタデータ) (2023-07-20T05:49:21Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳(メタデータ) (2022-12-21T19:00:04Z) - Generalizing the Quantum Information Model for Dynamic Diffraction [0.0]
量子ゲートの格子による粒子の伝播に基づく動的回折の量子情報(QI)モデルを提案する。
モデル出力は, 適切な極限において, 高木・タウピン方程式の球面波解と数学的に等価であることを示す。
その結果、QIモデルの普遍性と、DDの標準理論の範囲を超えたモデリングシナリオの可能性を示す。
論文 参考訳(メタデータ) (2021-11-10T20:39:33Z) - Probing Geometric Excitations of Fractional Quantum Hall States on
Quantum Computers [0.0]
固体材料では、分数量子ホール(FQH)相が重力子に類似した創発的幾何学的励起のホストとして注目されている。
ここでは、FQH状態の幾何学的性質と重力子ダイナミクスを捉える擬一次元モデルを特定する。
次に、最適にコンパイルされたトロッター回路を用いて、幾何クエンチとそれに続く重力子ダイナミクスをIBM量子コンピュータ上でシミュレートする。
論文 参考訳(メタデータ) (2021-07-21T18:00:03Z)
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。