論文の概要: Interferometric Quantum Polynomial Chaos Expansion as a Generative Model for Calorimeter Shower Simulation
- arxiv url: http://arxiv.org/abs/2608.05405v1
- Date: Wed, 05 Aug 2026 20:59:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.785376
- Title: Interferometric Quantum Polynomial Chaos Expansion as a Generative Model for Calorimeter Shower Simulation
- Title（参考訳）: カロリメータショーアシミュレーションのための生成モデルとしてのインターフェロメトリ量子多項カオス展開
- Authors: Jamal Slim, Saverio Monaco, Florian Rehm, Dirk Kruecker, Frank Gaede, Kerstin Borras,
- Abstract要約: 本稿では,1つの回路がモデル全体である生成アルゴリズムである量子カオス展開(quantum chaos expansion)について述べる。
我々は、Geant4シャワーデータ上でモデルをトレーニングし、その精度損失を事前に予測した超伝導プロセッサ上で同一回路を実行し、期待値から読み出されたすべての滑らかな発電機のテール依存性のノーゴー定理を証明し、この制限を除去する回路プリミティブを同定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present the quantum polynomial chaos expansion, a generative algorithm in which a single circuit is the entire model, and we use it to learn calorimeter images. In a classical chaos expansion the randomness is the input and the coefficients are fitted. Here the randomness is still the only input, entering the circuit as rotation angles and re-uploaded at every block, so that each measured observable is a chaos expansion of the latent variables whose order equals the circuit depth, and what is fitted are the gate angles themselves. Expressivity therefore grows with depth rather than with classical coefficients, correlations between outputs arise only from entangling gates, and a single latent wire read by all qubits carries the collective mode of the data. Nothing fitted stands between the circuit and the sample, so switching the entanglers off is a setting of the model itself and provably yields independent outputs, and attribution of the learned correlations to individual gates becomes a measurement. Choosing between two measurement bases shot by shot sharpens attribution into certification, and the trained model violates the Bell bound obeyed by every classical generative model with local response, whatever its size. We train the model on Geant4 shower data, execute the identical circuit on a superconducting processor with its accuracy loss predicted in advance, prove a no-go theorem for the tail dependence of every smooth generator read out through expectation values, and identify the circuit primitive that removes this limit.
- Abstract（参考訳）: 本稿では,1つの回路がモデル全体である生成アルゴリズムである量子多項式カオス展開(quantum polynomial chaos expansion)について述べる。
古典的なカオス展開では、ランダム性は入力であり、係数は適合する。
ここでもランダム性が唯一の入力であり、回路を回転角として入力し、各ブロックで再アップロードすることにより、各測定された可観測性は、回路深さに等しい順序の潜伏変数のカオス展開であり、適合するものはゲート角自身である。
したがって、表現性は古典的な係数ではなく深さで成長し、出力間の相関はエンタングゲートからのみ生じ、全てのキュービットで読み取られた単一の潜伏線はデータの集合モードを持つ。
回路とサンプルの間には整合性がないため、エンタングルをオフにすることはモデル自体の設定であり、独立出力を確実に得られ、学習された相関の個々のゲートへの寄与は測定となる。
ショットによる2つの測定ベースの選択は、認証への属性の寄与を増し、訓練されたモデルは、すべての古典的生成モデルが従うベル境界に、そのサイズがどんなに局所的な応答でも違反する。
我々は、Geant4シャワーデータ上でモデルをトレーニングし、その精度損失を事前に予測した超伝導プロセッサ上で同一回路を実行し、期待値から読み出されたすべての滑らかな発電機のテール依存性のノーゴー定理を証明し、この制限を除去する回路プリミティブを同定する。
関連論文リスト
- What Does a Discrete Diffusion Model Learn? [71.03603607324338]
離散拡散モデルは、デノイザ、スコア比、ブリッジプラグイン予測器などを学ぶ。
まず, 連続時間マルコフ連鎖 (CTMC) ELBO の任意のノイズ発生過程に対する厳密な導出から始める。
すべてのアイデンティティは、正確に解けるモデル上で近似なしで数値的に検証される。
論文 参考訳（メタデータ） (2026-07-06T17:56:11Z) - Continuous Noise Model for Quantum Circuits [0.6335848702857038]
本稿では,量子回路の連続的コヒーレントノイズモデルについて検討し,離散的なパウリモデルと比較する。
焦点は回路深度にまたがる小さなコヒーレントゲートエラーである。
その結果, 連続コヒーレントノイズはパウリノイズよりも論理的性能を劣化させる可能性が示唆された。
論文 参考訳（メタデータ） (2026-04-28T18:00:03Z) - Quantum hardware noise learning via differentiable Kraus representation on tensor networks [0.0]
単一デバイス実験の計測分布から量子ハードウェアノイズを学習する手法を提案する。
独立チャネルは、各ネイティブゲートタイプ、最も近い隣り合うクロストークインタラクション、および状態準備と測定にアタッチされる。
ibm_fezでは、リップルキャリー加算回路のトレーニングがデバイス出力分布を再現し、再トレーニングせずに適用された同じ学習パラメータが無関係な乗算回路のデバイス分布を追跡する。
論文 参考訳（メタデータ） (2026-04-22T17:35:01Z) - Symmetry-protected topology and deconfined solitons in a multi-link $\mathbb{Z}_2$ gauge theory [45.88028371034407]
球殻の大円として視覚化できるリンクを持つ多重グラフ上で定義された$mathbbZ$格子ゲージ理論を研究する。
これは、ピエルズ不安定性に類似した現象の根底にある状態依存トンネル振幅につながることを示す。
行列積状態に基づいて詳細な解析を行うことで、電荷分解が電荷-摩擦化の結果生じることを証明できる。
論文 参考訳（メタデータ） (2026-03-02T22:59:25Z) - On the Mechanism and Dynamics of Modular Addition: Fourier Features, Lottery Ticket, and Grokking [49.1352577985191]
本稿では,2層ニューラルネットワークがモジュール追加タスクを解くために,機能をどのように学習するかを包括的に分析する。
我々の研究は、学習したモデルの完全な機械論的解釈と、その訓練力学の理論的説明を提供する。
論文 参考訳（メタデータ） (2026-02-18T20:25:13Z) - Thermal-Drift Sampling: Generating Random Thermal Ensembles for Quantum Chaos Diagnostics [7.678849469440775]
多体ハミルトニアンのランダム熱状態は、熱化、カオス、量子相転移の研究を支える。
本研究では,選択したパウリ項に沿って調整可能な非単体ドリフトを実装した計測に基づく熱ドリフト流路を提案する。
一般的な物理モデルのための熱状態とハミルトンの「ラベル」を同時に生成する計測制御サンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-02-05T17:27:40Z) - Chaos, Entanglement and Measurement: Field-Theoretic Perspectives on Quantum Information Dynamics [0.0]
I study scrambling and pseudorandomness in the Brownian Sachdev-Ye-Kitaev model。
弱測定SYKクラスターに対する場の理論を構築する。
測定専用SYKクラスタのための高次再正規化グループを開発した。
論文 参考訳（メタデータ） (2025-12-11T10:04:30Z) - Majorana Loop Models for Measurement-Only Quantum Circuits [0.0]
ランダム量子回路における射影測定は、豊富な絡み合い位相をもたらし、非ユニタリ量子力学の領域を拡張する。
ここでは,1次元の計測専用量子回路と2次元のループモデルの統計力学の関連について検討する。
論文 参考訳（メタデータ） (2023-05-29T18:45:11Z) - Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。
従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
論文 参考訳（メタデータ） (2023-03-13T13:06:40Z) - Three-fold way of entanglement dynamics in monitored quantum circuits [68.8204255655161]
ダイソンの3つの円形アンサンブル上に構築された量子回路における測定誘起エンタングルメント遷移について検討する。
ゲートによる局所的絡み合い発生と測定による絡み合い低減との相互作用について考察した。
論文 参考訳（メタデータ） (2022-01-28T17:21:15Z) - Sample Complexity Bounds for 1-bit Compressive Sensing and Binary Stable
Embeddings with Generative Priors [52.06292503723978]
生成モデルを用いた圧縮センシングの進歩により, 生成モデルを用いた1ビット圧縮センシングの問題点を考察した。
まずノイズのない1ビット測定を考察し, ガウス測度に基づく近似回復のためのサンプル複雑性境界を提供する。
また,リプシッツ連続生成モデルを用いた1ビット圧縮センシングにも有効であることを示すため,評価誤差と雑音に対する再構成の堅牢性を示すBinary $epsilon$-Stable Embedding特性を実証した。
論文 参考訳（メタデータ） (2020-02-05T09:44:10Z)
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。