論文の概要: Optimization-based Unfolding in High-Energy Physics

• arxiv url: http://arxiv.org/abs/2602.22776v1
• Date: Thu, 26 Feb 2026 09:11:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.613573
• Title: Optimization-based Unfolding in High-Energy Physics
• Title（参考訳）: 高エネルギー物理における最適化に基づく展開
• Authors: Simone Gasperini, Gianluca Bianco, Marco Lorusso, Carla Rieger, Michele Grossi,
• Abstract要約: 高エネルギー物理学において、展開とは検出器が歪んだ測定から物理観測物の真の分布を再構築する過程である。 我々は古典的手法と量子互換手法の両方を用いてこの問題に対処する枠組みを開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In High-Energy Physics, unfolding is the process of reconstructing true distributions of physical observables from detector-distorted measurements. Starting from its reformulation as a regularized quadratic optimization, we develop a framework to tackle this problem using both classical and quantum-compatible methods. In particular, we derive a Quadratic Unconstrained Binary Optimization (QUBO) representation of the unfolding objective, allowing direct implementation on quantum annealing and hybrid quantum-classical solvers. The proposed approach is implemented in QUnfold, an open-source Python package integrating classical mixed-integer solvers and D-Wave's hybrid quantum solver. We benchmark the method against widely used unfolding techniques in RooUnfold, including response Matrix Inversion, Iterative Bayesian Unfolding, and Singular Value Decomposition unfolding, using synthetic dataset with controlled distortion effects. Our results demonstrate that the optimization-based approach achieves competitive reconstruction accuracy across multiple distributions while naturally accommodating regularization within the objective function. This work establishes a unified optimization perspective on unfolding and provides a practical pathway for exploring quantum-enhanced methods in experimental HEP data analysis.
• Abstract（参考訳）: 高エネルギー物理学において、展開とは検出器が歪んだ測定から物理観測物の真の分布を再構築する過程である。 正規化された二次最適化としての再編成から始まり、古典的手法と量子互換手法の両方を用いてこの問題に対処するための枠組みを開発する。 特に, 量子アニーリングとハイブリッド量子古典解法に直接実装可能な, 展開対象の擬似非拘束バイナリ最適化(QUBO)表現を導出する。 提案手法は、従来の混合整数ソルバとD-Waveのハイブリッド量子ソルバを統合したオープンソースのPythonパッケージであるQUnfoldで実装されている。 制御歪みを考慮した合成データセットを用いて, 応答行列インバージョン, 反復ベイズ展開, 特異値分解展開を含む, 広範に使われているROOUnfoldの展開手法をベンチマークした。 その結果、最適化に基づく手法は、目的関数内の正規化を自然に調整しながら、複数の分布にまたがる競合的再構成精度を実現することを示した。 この研究は、展開に関する統一的な最適化の視点を確立し、実験的なHEPデータ解析において量子強化法を探索するための実践的な経路を提供する。

関連論文リスト

• Variational Entropic Optimal Transport [67.76725267984578]
  本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。 VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。 合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
  論文  参考訳（メタデータ） (2026-02-02T15:48:44Z)
• A Lyapunov Framework for Quantum Algorithm Design in Combinatorial Optimization with Approximation Ratio Guarantees [15.259020859762556]
  最適化問題に対する量子アルゴリズムの設計を目的としたフレームワークを開発する。 近似比の理論的な保証を提供する。 本手法をMax-Cut問題に適用し,適応型変分量子アルゴリズムとして実装する。
  論文  参考訳（メタデータ） (2025-12-25T15:38:24Z)
• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• Quantum Approximate and Quantum Walk Optimization Approaches to Set Balancing [0.0]
  変分量子アルゴリズムのNP-ハード・セットバランス問題への応用について検討する。 この問題は、擬似非拘束バイナリ最適化(QUBO)の定式化と、パウリ-Z形式で表現されたコストハミルトニアンによるイジングモデルにマッピングされる。 QAOAでは、ミキサーユニタリーのスケール化された経験的パウリ弦現実化を用いて、6つのミキサーハミルトン(X, XY, Full-SWAP, Ring-SWAP, Grover, Warm-Started)の比較分析を行う。 シャノンエントロピーに基づくポストを導入する
  論文  参考訳（メタデータ） (2025-09-08T20:31:30Z)
• Optimizing Unitary Coupled Cluster Wave Functions on Quantum Hardware: Error Bound and Resource-Efficient Optimizer [0.0]
  本稿では、量子ハードウェア上でのユニタリ結合クラスタ波関数の最適化のための射影量子固有解法(PQE)アプローチについて検討する。 我々は、ハミルトニアンの外部対角係数(残差)とアルゴリズムのエネルギー誤差と得られた波動関数によって達成された重なり関係を導出する。
  論文  参考訳（メタデータ） (2024-10-19T15:03:59Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• A real world test of Portfolio Optimization with Quantum Annealing [0.0]
  本稿では,QUBO(Quardratic Unconstrained Binary Optimization)の定式化によるポートフォリオ最適化実験について述べる。 正確な古典的戦略によって得られる大域的最適値と整合して満足な結果が得られる。 最適化にはQUBOパラメータのチューニングが不可欠であるため,自動チューニングが可能なハイブリッド手法について検討する。
  論文  参考訳（メタデータ） (2023-03-22T14:38:13Z)
• Direct Optimal Control Approach to Laser-Driven Quantum Particle Dynamics [77.34726150561087]
  間接制御理論に対する頑健で柔軟な代替手段として, 直接最適制御を提案する。 この方法は、バイスタブルポテンシャルにおけるレーザー駆動のウェーブパレットダイナミクスの場合に説明される。
  論文  参考訳（メタデータ） (2020-10-08T07:59:29Z)
• 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)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。