論文の概要: A novel quantum machine learning classifier to search for new physics
- arxiv url: http://arxiv.org/abs/2410.18847v1
- Date: Thu, 24 Oct 2024 15:27:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-25 16:42:44.941614
- Title: A novel quantum machine learning classifier to search for new physics
- Title(参考訳): 新しい物理を探索する新しい量子機械学習分類器
- Authors: Ji-Chong Yang, Shuai Zhang, Chong-Xing Yue,
- Abstract要約: NPを探索するための変分量子探索近傍(VQSN)アルゴリズムを提案する。
その結果、VQSNは古典的なk-アネレスト近傍のアルゴリズムよりも優れた効率を示すことが示唆された。
- 参考スコア(独自算出の注目度): 3.5009667752315474
- License:
- Abstract: Due to the success of the Standard Model~(SM), it is reasonable to anticipate that, the signal of new physics~(NP) beyond the SM is small, and future searches for NP and precision tests of the SM will require high luminosity collider experiments. Moreover, as the precision tests of the SM advances, rarer processes with a greater number of final-state particles will require consideration, which will in turn require the analysis of a multitude of observables. As an inherent consequence of the high luminosity, the generation of a large amount of experimental data in a large feature space presents a significant challenge for data processing. In recent years, quantum machine learning has emerged as a promising approach for processing large amounts of complex data on a quantum computer. In this study, we propose a variational quantum searching neighbor~(VQSN) algorithm to search for NP. As an example, we apply the VQSN in the phenomenological study of the gluon quartic gauge couplings~(gQGCs) at the Large Hadron Collider. The results suggest that VQSN demonstrates superior efficiency to a classical counterpart k-nearest neighbor algorithm, even when dealing with classical data.
- Abstract(参考訳): 標準モデル~(SM)の成功により、SMを超える新しい物理学~(NP)の信号は小さく、将来のNP探索とSMの精度試験は高輝度コライダー実験を必要とすると予測することは妥当である。
さらに、SMの精度試験が進むにつれて、より多くの最終状態粒子を持つ希少なプロセスが考慮され、結果として観測可能な物質を多量に分析する必要がある。
高輝度の結果として、大きな特徴空間における大量の実験データの生成は、データ処理において重要な課題となる。
近年、量子コンピュータ上で大量の複雑なデータを処理するための有望なアプローチとして量子機械学習が登場している。
本研究では,NP探索のための変分量子探索近傍〜(VQSN)アルゴリズムを提案する。
例えば、大型ハドロン衝突型加速器におけるグルーオン四面体ゲージカップリング~(gQGCs)の現象論的研究にVQSNを適用した。
その結果,古典的データを扱う場合であっても,VQSN は古典的な k-ネアレスト近傍アルゴリズムよりも優れた効率性を示すことが示唆された。
関連論文リスト
- Tensor-Based Binary Graph Encoding for Variational Quantum Classifiers [3.5051814539447474]
変分量子(VQC)を用いたグラフ分類のための新しい量子符号化フレームワークを提案する。
グラフ符号化に適したより複雑な回路を構築することにより、VQCが現在の量子ハードウェアの制約内でグラフを効果的に分類できることを実証する。
論文 参考訳(メタデータ) (2025-01-24T02:26:21Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Variational Quantum Neural Networks (VQNNS) in Image Classification [0.0]
本稿では,量子最適化アルゴリズムを用いて量子ニューラルネットワーク(QNN)のトレーニングを行う方法について検討する。
本稿では、変分量子ニューラルネットワーク(VQNN)と呼ばれる入力層として、変分パラメータ化回路を組み込んだQNN構造を作成する。
VQNNは、MNIST桁認識(複雑でない)とクラック画像分類データセットで実験され、QNNよりも少ない時間で、適切なトレーニング精度で計算を収束させる。
論文 参考訳(メタデータ) (2023-03-10T11:24:32Z) - 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) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Hybrid Quantum-Classical Graph Convolutional Network [7.0132255816377445]
本研究は、HEPデータを学習するためのハイブリッド量子古典グラフ畳み込みネットワーク(QGCNN)を提供する。
提案フレームワークは,パラメータ数の観点から,古典的多層パーセプトロンと畳み込みニューラルネットワークの優位性を示す。
テスト精度に関して、QGCNNは、同じHEPデータセット上の量子畳み込みニューラルネットワークと同等のパフォーマンスを示している。
論文 参考訳(メタデータ) (2021-01-15T16:02:52Z) - Branching Quantum Convolutional Neural Networks [0.0]
小型量子コンピュータは、大規模量子および非常に大規模な古典的データセット上での学習タスクにおいて、既に潜在的な増加を見せている。
本稿では、分岐量子畳み込みニューラルネットワークであるQCNN(bQCNN)を、かなり高い表現性で一般化する。
論文 参考訳(メタデータ) (2020-12-28T19:00:03Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳(メタデータ) (2020-07-24T06:34:34Z) - Quantum-enhanced data classification with a variational entangled sensor
network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。
我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文 参考訳(メタデータ) (2020-06-22T01:22:33Z)
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。