論文の概要: Hardware-Aware Tensor Networks for Real-Time Quantum-Inspired Anomaly Detection at Particle Colliders

• arxiv url: http://arxiv.org/abs/2603.26604v1
• Date: Fri, 27 Mar 2026 17:02:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.611162
• Title: Hardware-Aware Tensor Networks for Real-Time Quantum-Inspired Anomaly Detection at Particle Colliders
• Title（参考訳）: 粒子衝突によるリアルタイム量子誘導型異常検出のためのハードウェア・アウェア・テンソルネットワーク
• Authors: Sagar Addepalli, Prajita Bhattarai, Abhilasha Dave, Julia Gonski,
• Abstract要約: この研究は、コライダー検出器のリアルタイム異常検出にテンソルネットワークを用いることを実証する。 標準モデルベンチマーク以外の様々な種類の感度を提供する空間行列積演算子(SMPO)が開発されている。 その結果、高エネルギー衝突器に量子インスパイアされたMLを配置することの利点と短期的可能性を明らかにした。
• 参考スコア（独自算出の注目度）: 0.0044302156879028705
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning offers the ability to capture complex correlations in high-dimensional feature spaces, crucial for the challenge of detecting beyond the Standard Model physics in collider events, along with the potential for unprecedented computational efficiency in future quantum processors. Near-term utilization of these benefits can be achieved by developing quantum-inspired algorithms for deployment in classical hardware to enable applications at the "edge" of current scientific experiments. This work demonstrates the use of tensor networks for real-time anomaly detection in collider detectors. A spaced matrix product operator (SMPO) is developed that provides sensitivity to a variety beyond the Standard Model benchmarks, and can be implemented in field programmable gate array hardware with resources and latency consistent with trigger deployment. The cascaded SMPO architecture is introduced as an SMPO variation that affords greater flexibility and efficiency in ways that are key to edge applications in resource-constrained environments. These results reveal the benefit and near-term feasibility of deploying quantum-inspired ML in high energy colliders.
• Abstract（参考訳）: 量子機械学習は、高次元の特徴空間における複雑な相関をキャプチャする能力を提供する。これは、コライダーイベントにおける標準モデル物理学を超えて検出することの難しさと、将来の量子プロセッサにおける前例のない計算効率の可能性を秘めている。 これらの利点の短期的利用は、従来のハードウェアに展開するための量子インスパイアされたアルゴリズムを開発し、現在の科学実験の"エッジ"での応用を可能にすることで達成できる。 この研究は、コライダー検出器のリアルタイム異常検出にテンソルネットワークを用いることを実証する。 SMPO (Spaced matrix product operator) は、標準モデルベンチマーク以外の各種に感度を提供し、リソースと遅延をトリガー配置と整合したフィールドプログラマブルゲートアレイハードウェアで実装できる。 SMPOアーキテクチャはSMPOのバリエーションとして導入され、リソース制約のある環境におけるエッジアプリケーションにとって重要な方法で、より柔軟性と効率性を提供する。 これらの結果は、高エネルギー衝突器に量子インスパイアされたMLを配置することの利点と短期的可能性を明らかにする。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning [48.12231190677108]
  QAMA(Quantum Annealing Multi-Head Attention)は、エネルギーベースのハミルトン最適化問題として注目を集める新しいドロップイン演算子である。 この枠組みでは、トークン相互作用を二項二項項に符号化し、低エネルギー構成の探索に量子アニールを用いる。 経験的に、自然言語と視覚のベンチマークによる評価は、タスク全体にわたって、標準的なマルチヘッドの注意から少なくとも2.7ポイントの精度が低下していることを示している。
  論文  参考訳（メタデータ） (2025-04-15T11:29:09Z)
• SeQUeNCe GUI: An Extensible User Interface for Discrete Event Quantum Network Simulations [55.2480439325792]
  SeQUeNCeは、量子ネットワーク通信のオープンソースシミュレータである。 我々はSeQUeNCeの中核となる原則を維持できるグラフィカルユーザインタフェースを実装している。
  論文  参考訳（メタデータ） (2025-01-15T19:36:09Z)
• Analysis of Hardware Synthesis Strategies for Machine Learning in Collider Trigger and Data Acquisition [0.0]
  機械学習は、インテリジェントなデータ処理と取得のために検出器エレクトロニクスに実装することができる。 衝突時のリアルタイムMLの実装には、ソフトウェアベースのアプローチでは実現不可能な非常に低いレイテンシが必要です。 フィールドプログラマブルゲートアレイにおけるコライダートリガーアルゴリズムの適用に着目し,ニューラルネットワークの推論効率の解析を行った。
  論文  参考訳（メタデータ） (2024-11-18T15:59:30Z)
• Ecosystem-Agnostic Standardization of Quantum Runtime Architecture: Accelerating Utility in Quantum Computing [0.0]
  本研究は量子コンピューティング最適化ミドルウェア(QCOM)のすべてのレイヤをカバーする。 実量子ハードウェア(QH)上での実行を必要とする。 オープンソースコミュニティが推進する広く採用されているランタイムプラットフォーム(RP)が必要だ。
  論文  参考訳（メタデータ） (2024-09-26T16:43:07Z)
• LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
  量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。 本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
  論文  参考訳（メタデータ） (2024-09-22T23:18:06Z)
• Enhancing Dropout-based Bayesian Neural Networks with Multi-Exit on FPGA [20.629635991749808]
  本稿では,フィールドプログラマブルゲートアレイ(FPGA)ベースのアクセラレータを効率よく生成するアルゴリズムとハードウェアの共同設計フレームワークを提案する。 アルゴリズムレベルでは、計算とメモリのオーバーヘッドを低減した、新しいマルチエグジット・ドロップアウトベースのベイズNNを提案する。 ハードウェアレベルでは,提案する効率的なベイズNNのためのFPGAベースのアクセラレータを生成するための変換フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-20T17:08:42Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• 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。