論文の概要: Qutrits for physics at the LHC

• arxiv url: http://arxiv.org/abs/2510.14001v1
• Date: Wed, 15 Oct 2025 18:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.583086
• Title: Qutrits for physics at the LHC
• Title（参考訳）: LHCにおける物理のクォート
• Authors: Miranda Carou Laiño, Veronika Chobanova, Miriam Lucio Martínez,
• Abstract要約: 粒子物理学の標準モデルでは説明されていない異常事象は、重要な理論的、実験的、計算上の課題を引き起こす。 HL-LHC(High Luminosity Large Hadron Collider)のような次世代の衝突型加速器は、データ処理、信号再構成、分析を必要とする。 本研究は,高エネルギー物理データにおける異常検出における量子機械学習モデルの利用について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The identification of anomalous events, not explained by the Standard Model of particle physics, and the possible discovery of exotic physical phenomena pose significant theoretical, experimental and computational challenges. The task will intensify at next-generation colliders, such as the High- Luminosity Large Hadron Collider (HL-LHC). Consequently, considerable challenges are expected concerning data processing, signal reconstruction, and analysis. This work explores the use of qutrit- based Quantum Machine Learning models for anomaly detection in high-energy physics data, with a focus on LHC applications. We propose the development of a qutrit quantum model and benchmark its performance against qubit-based approaches, assessing accuracy, scalability, and computational efficiency. This study aims to establish whether qutrit architectures can offer an advantage in addressing the computational and analytical demands of future collider experiments.
• Abstract（参考訳）: 粒子物理学の標準モデルでは説明されていない異常事象の同定と、外乱的な物理現象の発見は、重要な理論的、実験的、計算上の課題を引き起こす。 このタスクは、例えばHL-LHC(High- Luminosity Large Hadron Collider)のような次世代の衝突機で強化される。 その結果、データ処理、信号再構成、分析に関してかなりの課題が予想される。 本研究は、高エネルギー物理データにおける異常検出のための量子機械学習モデルの使用について、LHCアプリケーションに焦点をあてて検討する。 本稿では、量子量子モデルの開発を提案し、その性能を量子ビットベースのアプローチと比較し、精度、スケーラビリティ、計算効率を評価する。 本研究の目的は,将来のコライダー実験の計算的および解析的要求に対処する上で,クォートアーキテクチャが有利であるかどうかを確かめることである。

関連論文リスト

• Tensor Network for Anomaly Detection in the Latent Space of Proton Collision Events at the LHC [1.092813092010402]
  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。
  論文  参考訳（メタデータ） (2025-05-30T14:18:53Z)
• Quantum Information meets High-Energy Physics: Input to the update of the European Strategy for Particle Physics [43.15404275280645]
  量子力学の最も驚くべき特徴、例えば絡み合いやベル非局所性は、専用の低エネルギー実験装置で広く研究されているだけである。 粒子衝突による高エネルギー体制におけるこれらの研究の可能性は、最近しか示されておらず、科学界の注目を集めている。
  論文  参考訳（メタデータ） (2025-03-31T18:00:01Z)
• On the impact of key design aspects in simulated Hybrid Quantum Neural Networks for Earth Observation [46.271239108950816]
  本研究は、ハイブリッド量子モデルのトレーニングにおいて、異なる量子ライブラリがどのように振る舞うかを研究する。 また,地球観測におけるハイブリッド量子アテンションモデルの有用性についても検討した。
  論文  参考訳（メタデータ） (2024-10-11T10:04:29Z)
• 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)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Unravelling physics beyond the standard model with classical and quantum anomaly detection [1.014313095022286]
  現在の実験では、追加のBeyond Standard Model(BSM)理論の発展を導く新しい物理学の兆候は示されていない。 本稿では,ランダムなプロセスによる異常の人工的生成に基づいて,教師付き学習環境で異常検出を行う新しい手法を提案する。 さらに有望なことに、人工的な異常を識別するために訓練されたSVCを用いることで、現実的なBSMイベントを高精度に識別することが可能である。
  論文  参考訳（メタデータ） (2023-01-25T19:00:14Z)
• 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)
• Quantum computing for data analysis in high energy physics [1.6002009406818865]
  本稿では,量子コンピューティングの高エネルギー物理学におけるデータ解析への応用について概説する。 本稿では、これらの新しい分析手法を日々の分析ワークフローに統合する際の課題と機会について論じる。
  論文  参考訳（メタデータ） (2022-03-15T18:27:43Z)
• 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)

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。