論文の概要: Quantum Integration Networks for Efficient Monte Carlo in High-Energy Physics

• arxiv url: http://arxiv.org/abs/2510.10501v1
• Date: Sun, 12 Oct 2025 08:48:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.978861
• Title: Quantum Integration Networks for Efficient Monte Carlo in High-Energy Physics
• Title（参考訳）: 高エネルギー物理における効率的なモンテカルロの量子統合ネットワーク
• Authors: Heechan Yi, Kayoung Ban, Myeonghun Park, Kyoungchul Kong,
• Abstract要約: 量子回路はより少ないパラメータでリッチな表現性を達成することができる。 サンプリング戦略と損失関数が textbfQuantum Integration Network (QuInt-Net) 内の統合効率に与える影響について検討する。 その結果、高エネルギー物理学への応用のためのQuInt-Netsの最適化に関する新たな知見が得られた。
• 参考スコア（独自算出の注目度）: 2.5315729179239637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monte Carlo methods play a central role in particle physics, where they are indispensable for simulating scattering processes, modeling detector responses, and performing multi-dimensional integrals. However, traditional Monte Carlo methods often suffer from slow convergence and insufficient precision, particularly for functions with singular features such as rapidly varying regions or narrow peaks. Quantum circuits provide a promising alternative: compared to conventional neural networks, they can achieve rich expressivity with fewer parameters, and the parameter-shift rule provides an exact analytic form for circuit gradients, ensuring precise optimization. Motivated by these advantages, we investigate how sampling strategies and loss functions affect integration efficiency within the \textbf{Quantum Integration Network} (QuInt-Net). We compare adaptive and non-adaptive sampling approaches and examine the impact of different loss functions on accuracy and convergence. Furthermore, we explore three quantum circuit architectures for numerical integration: the data re-uploading model, the quantum signal processing protocol, and deterministic quantum computation with one qubit. The results provide new insights into optimizing QuInt-Nets for applications in high energy physics.
• Abstract（参考訳）: モンテカルロ法は粒子物理学において中心的な役割を担い、散乱過程のシミュレーション、検出器応答のモデリング、多次元積分の実行に不可欠である。 しかし、伝統的なモンテカルロ法は、特に急速に変化する領域や狭いピークのような特異な特徴を持つ関数に対して、収束が遅く、精度が不十分であることが多い。 量子回路は有望な代替手段を提供する:従来のニューラルネットワークと比較して、少ないパラメータでリッチな表現性を達成することができ、パラメータシフト規則は回路勾配の正確な解析形式を提供し、正確な最適化を保証する。 これらの利点を生かして、サンプリング戦略と損失関数が、QuInt-Net (textbf{Quantum Integration Network}) 内の統合効率にどのように影響するかを検討する。 適応的および非適応的なサンプリング手法を比較し、異なる損失関数が精度と収束に与える影響について検討する。 さらに,データ再ロードモデル,量子信号処理プロトコル,および1量子ビットによる決定論的量子計算という,数値積分のための3つの量子回路アーキテクチャについて検討する。 その結果、高エネルギー物理学への応用のためのQuInt-Netsの最適化に関する新たな知見が得られた。

関連論文リスト

• Grassmann Variational Monte Carlo with neural wave functions [45.935798913942904]
  ヒルベルト空間のグラスマン幾何学の観点から、Pfau et al.citepfau2024accurateによって導入された枠組みを定式化する。 正方格子上のハイゼンベルク量子スピンモデルに対する我々のアプローチを検証し、多くの励起状態に対して高精度なエネルギーと物理観測値を達成する。
  論文  参考訳（メタデータ） (2025-07-14T13:53:13Z)
• Looking elsewhere: improving variational Monte Carlo gradients by importance sampling [41.94295877935867]
  ニューラルネットワーク量子状態(NQS)は、量子多体波動関数を表現するために強力で表現力のあるアンサッツを提供する。 量子化学で現れる急激なピーク波動関数のようないくつかのシナリオは、変動最適化の有効性を阻害する高分散勾配推定器をもたらすことが知られている。 本研究では、適応的に調整された重要度サンプリングを用いて、これらのサンプリング問題に取り組むための体系的戦略について検討する。 提案手法により,バニラVMCの計算コストを,高ピークの量子化学波動関数をターゲットとした場合,最大100倍に削減できる。
  論文  参考訳（メタデータ） (2025-07-07T18:00:03Z)
• Unlocking Multi-Dimensional Integration with Quantum Adaptive Importance Sampling [0.0]
  多次元関数のモンテカルロ積分のための量子適応重要サンプリング(QAIS)を実現する量子アルゴリズムを提案する。 アプリケーションとして、非常に鋭いピークのループFeynman積分とマルチモーダルベンチマーク積分を考察する。
  論文  参考訳（メタデータ） (2025-06-24T19:19:06Z)
• Surrogate-guided optimization in quantum networks [0.9148747049384086]
  量子通信ネットワークの設計と性能を改善する最適化アルゴリズムを提案する。 我々のフレームワークは、サロゲート支援最適化を既存の量子ネットワークシミュレータと統合することで、より包括的な量子ネットワーク研究を可能にする。
  論文  参考訳（メタデータ） (2024-07-24T11:55:18Z)
• Gravitational-wave matched filtering on a quantum computer [0.0]
  本稿では、二元ブラックホール融合による重力波信号検出のための量子ビット型マッチングフィルタの最初の実験例を示す。 超伝導量子ビットの実装により、古典計算で達成可能な二元ブラックホールの融合に対する同様の信号-雑音比を得た。
  論文  参考訳（メタデータ） (2022-04-08T16:08:40Z)
• Bosonic field digitization for quantum computers [62.997667081978825]
  我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。 本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-24T15:30:04Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• Neural Control Variates [71.42768823631918]
  ニューラルネットワークの集合が、積分のよい近似を見つけるという課題に直面していることを示す。 理論的に最適な分散最小化損失関数を導出し、実際に安定したオンライントレーニングを行うための代替の複合損失を提案する。 具体的には、学習した光場近似が高次バウンスに十分な品質であることを示し、誤差補正を省略し、無視可能な可視バイアスのコストでノイズを劇的に低減できることを示した。
  論文  参考訳（メタデータ） (2020-06-02T11:17:55Z)

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。