論文の概要: Tensor Network for Anomaly Detection in the Latent Space of Proton Collision Events at the LHC

• arxiv url: http://arxiv.org/abs/2506.00102v1
• Date: Fri, 30 May 2025 14:18:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.29253
• Title: Tensor Network for Anomaly Detection in the Latent Space of Proton Collision Events at the LHC
• Title（参考訳）: LHCにおける陽子衝突事象の潜在空間における異常検出のためのテンソルネットワーク
• Authors: Ema Puljak, Maurizio Pierini, Artur Garcia-Saez,
• Abstract要約: LHCにおける異常検出のためのテンソルネットワークに基づく手法を提案する。 本研究は, テンソルネットワークによる新物理発見の促進の可能性を明らかにするものである。
• 参考スコア（独自算出の注目度）: 1.092813092010402
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The pursuit of discovering new phenomena at the Large Hadron Collider (LHC) demands constant innovation in algorithms and technologies. Tensor networks are mathematical models on the intersection of classical and quantum machine learning, which present a promising and efficient alternative for tackling these challenges. In this work, we propose a tensor network-based strategy for anomaly detection at the LHC and demonstrate its superior performance in identifying new phenomena compared to established quantum methods. Our model is a parametrized Matrix Product State with an isometric feature map, processing a latent representation of simulated LHC data generated by an autoencoder. Our results highlight the potential of tensor networks to enhance new-physics discovery.
• Abstract（参考訳）: 大型ハドロン衝突型加速器(LHC)における新しい現象の発見の追求は、アルゴリズムと技術における絶え間ない革新を必要としている。 テンソルネットワークは古典的および量子機械学習の交点に関する数学的モデルであり、これらの課題に対処するための有望で効率的な代替手段を提供する。 本研究では,LHCにおける異常検出のためのテンソルネットワークに基づく手法を提案する。 本モデルでは, 自己エンコーダが生成したシミュレーションLHCデータの潜在表現を, 等尺的特徴写像を持つパラメータ化行列積状態とする。 本研究は, テンソルネットワークによる新物理発見の促進の可能性を明らかにするものである。

関連論文リスト

• Quantum similarity learning for anomaly detection [0.0]
  類似性学習による異常検出のための量子コンピュータの可能性を探る。 ノイズの多い中間スケール量子デバイスでは、重スカラー共鳴を探索するために、ハイブリッド古典量子ネットワークを用いる。 本分析では,LHCデータ解析における量子アルゴリズムの適用性を強調し,フォールトトレラントな量子コンピュータの出現により改善が期待できる。
  論文  参考訳（メタデータ） (2024-11-15T03:55:09Z)
• 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 anomaly detection in the latent space of proton collision events at the LHC [0.7493013403244345]
  教師なし量子機械学習に基づくLHCにおける異常検出タスクの戦略を提案する。 観測された性能向上は,そのモデルが利用した量子資源と関係していることを示す。
  論文  参考訳（メタデータ） (2023-01-25T19:00:01Z)
• 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)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Performance of Particle Tracking Using a Quantum Graph Neural Network [1.0480625205078853]
  大型ハドロン衝突型加速器(LHC)は、粒子衝突(光度)の瞬間的な速度を高めるためにアップグレードされ、高輝度LHCとなる。 この研究は、指数関数的に増大するヒルベルト空間の恩恵を得るために、トラック再構成タスクで証明された新しいグラフニューラルネットワークモデルをハイブリッドグラフニューラルネットワークに変換する可能性を探究する。
  論文  参考訳（メタデータ） (2020-12-02T18:23:48Z)
• Quantum-inspired Machine Learning on high-energy physics data [0.0]
  CERNの大型ハドロン衝突型加速器が生成するデータの分析と分類に量子インスパイアされた機械学習技術を適用した。 特に、いわゆるb-ジェットを効果的に分類する方法、陽子-陽子実験からb-クォークを起源とするジェット、および分類結果の解釈方法について述べる。
  論文  参考訳（メタデータ） (2020-04-28T18:00:12Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。