論文の概要: Quantum Attention for Vision Transformers in High Energy Physics

• arxiv url: http://arxiv.org/abs/2411.13520v1
• Date: Wed, 20 Nov 2024 18:11:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:12:45.175215
• Title: Quantum Attention for Vision Transformers in High Energy Physics
• Title（参考訳）: 高エネルギー物理におけるビジョントランスの量子アテンション
• Authors: Alessandro Tesi, Gopal Ramesh Dahale, Sergei Gleyzer, Kyoungchul Kong, Tom Magorsch, Konstantin T. Matchev, Katia Matcheva,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 39.38389619339798
• License:
• Abstract: We present a novel hybrid quantum-classical vision transformer architecture incorporating quantum orthogonal neural networks (QONNs) to enhance performance and computational efficiency in high-energy physics applications. Building on advancements in quantum vision transformers, our approach addresses limitations of prior models by leveraging the inherent advantages of QONNs, including stability and efficient parameterization in high-dimensional spaces. We evaluate the proposed architecture using multi-detector jet images from CMS Open Data, focusing on the task of distinguishing quark-initiated from gluon-initiated jets. The results indicate that embedding quantum orthogonal transformations within the attention mechanism can provide robust performance while offering promising scalability for machine learning challenges associated with the upcoming High Luminosity Large Hadron Collider. This work highlights the potential of quantum-enhanced models to address the computational demands of next-generation particle physics experiments.
• Abstract（参考訳）: 本稿では,量子直交ニューラルネットワーク(QONN)を組み込んだ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。 量子ビジョン変換器の進歩に基づき、高次元空間における安定性と効率的なパラメータ化を含むQONNの固有の利点を活用することにより、先行モデルの限界に対処する。 我々は,CMS Open Dataのマルチ検出器ジェット画像を用いて提案アーキテクチャを評価し,グルーオン開始ジェットとクォーク開始ジェットを区別する作業に着目した。 その結果、アテンションメカニズムに量子直交変換を埋め込むことで、今後のHigh Luminosity Large Hadron Colliderに関連する機械学習の課題に対して、有望なスケーラビリティを提供しながら、堅牢なパフォーマンスを提供できることが示唆された。 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。

関連論文リスト

• On chip high-dimensional entangled photon sources [0.0]
  我々は、オンチップの高次元光子源となる非線形光学プロセスについてレビューし、紹介する。 我々は、オンチップ高次元光子源の様々な実装について論じ、応用を実証した。
  論文  参考訳（メタデータ） (2024-09-05T03:43:10Z)
• Quantum Vision Transformers for Quark-Gluon Classification [3.350407101925898]
  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。
  論文  参考訳（メタデータ） (2024-05-16T17:45:54Z)
• End-to-End Quantum Vision Transformer: Towards Practical Quantum Speedup in Large-Scale Models [20.72342380227143]
  本稿では、革新的な量子残差接続技術を含む、エンドツーエンドの量子ビジョン変換器(QViT)を紹介する。 QViTの徹底的な分析により、理論上指数関数的複雑性と経験的スピードアップが明らかとなり、量子コンピューティングアプリケーションにおけるモデルの効率性とポテンシャルが示される。
  論文  参考訳（メタデータ） (2024-02-29T08:12:02Z)
• Quantum Generative Adversarial Networks: Bridging Classical and Quantum Realms [0.6827423171182153]
  GAN(Generative Adversarial Networks)領域における古典的および量子コンピューティングパラダイムの相乗的融合について検討する。 我々の目的は、量子計算要素を従来のGANアーキテクチャにシームレスに統合し、トレーニングプロセスの強化のために新しい経路を開放することである。 この研究は量子化機械学習の最前線に位置し、量子システムの計算能力を活用するための重要な一歩である。
  論文  参考訳（メタデータ） (2023-12-15T16:51:36Z)
• 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)
• 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)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Design of Light-Matter Interactions for Quantum Technologies [0.0]
  我々は、量子コンピューティング、量子シミュレーション、および量子センシングの応用に適した効果的な光-物質相互作用を創出できる放射線パターンを設計する。 一方,我々は動的デカップリング技術を用いて,環境・制御分野のエラーに対して堅牢な量子演算を設計している。 一方、光-物質相互作用の一般化モデルについて研究し、ラビ・スタークモデルにおける選択的な多光子相互作用の発見につながった。
  論文  参考訳（メタデータ） (2021-01-27T21:30:36Z)
• Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
  高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。 本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。 特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
  論文  参考訳（メタデータ） (2020-10-14T14:33:34Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。