論文の概要: QGrAT: Quantum Grade-Aware Transformer for Jet Tagging

• arxiv url: http://arxiv.org/abs/2610.17351v1
• Date: Mon, 12 Oct 2026 20:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 19:17:36.071183
• Title: QGrAT: Quantum Grade-Aware Transformer for Jet Tagging
• Title（参考訳）: QGrAT: ジェットタグ用量子グレード対応変圧器
• Abstract要約: 構成量子ビット間の相互作用にこれらの構造を組み込んだ量子トランスであるQGrAT(Quantum Grade-Aware Transformer)を導入する。 成分 4-モメンタから構成される幾何学的特徴は、時空クリフォード代数 $Cell (1,3)$ の階数によって整理される。 補助量子ビットは、ペアワイズミンコフスキー内部積の積による明示的な3粒子相互作用を導入し、トレーニング可能な回路内読み出しは、結果の量子状態を分類スコアに変換する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Lorentz symmetry and the three-prong structure of hadronic top decays provide physical guidance for designing compact quantum jet taggers. We introduce QGrAT (Quantum Grade-Aware Transformer), a quantum transformer that incorporates these structures into its interactions between constituent qubits. Geometric features constructed from the constituent four-momenta are organised by the grades of the spacetime Clifford algebra $C\ell(1,3)$, and their grade-specific inner products determine the pairwise attention couplings. For fixed constituents and co-transforming reference vectors, these couplings are Lorentz invariant, although the component-wise input encoding makes the complete classifier frame dependent. An auxiliary qubit introduces an explicit three-particle interaction through products of pairwise Minkowski inner products, while a trainable in-circuit readout converts the resulting quantum state into a classification score. We evaluate the architecture in state-vector simulation on the Top Tagging benchmarks. With ten constituents per jet, the configuration using grades $0\text{-}3$ and the three-particle ancilla requires twelve qubits and $144$ trainable parameters, reaching AUC $0.944 \pm 0.002$ and background rejection $1/\varepsilon_B = 35.7 \pm 2.4\ (96.8 \pm 7.7)$ at signal efficiency $\varepsilon_S = 0.50\ (0.30)$. This performance is competitive with the L-GATr-Slim baseline at matched constituent and parameter budgets. Adding the three-particle ancilla raises background rejection at $50\%$ signal efficiency from $19.9$ to $35.7$, whereas extending the representation to the tested grade-$4$ feature gives no consistent improvement. The study establishes a framework for incorporating spacetime geometry into quantum attention and identifies explicit three-particle correlations as the principal source of improved background rejection among the architectural variations tested.
• Abstract（参考訳）: ローレンツ対称性とハドロントップ崩壊の3長構造は、コンパクトな量子ジェットタグを設計するための物理的ガイダンスを提供する。 構成量子ビット間の相互作用にこれらの構造を組み込んだ量子トランスであるQGrAT(Quantum Grade-Aware Transformer)を導入する。 構成4-モメンタから構成される幾何学的特徴は、時空クリフォード代数 $C\ell(1,3)$ の次数によって構成され、それらの次数固有の内積はペアの注意結合を決定する。 固定成分および共変参照ベクトルに対しては、これらの結合はローレンツ不変量であるが、成分的入力符号化は完全分類器フレームに依存している。 補助量子ビットは、ペアワイズミンコフスキー内部積の積による明示的な3粒子相互作用を導入し、トレーニング可能な回路内読み出しは、結果の量子状態を分類スコアに変換する。 トップタギングベンチマークにおける状態ベクトルシミュレーションのアーキテクチャを評価する。 0\text{-}3$と3粒子アンシラを使用する構成では、12の量子ビットと144ドルのトレーニング可能なパラメータが必要であり、AUC $0.944 \pm 0.002$に達し、背景拒絶1/\varepsilon_B = 35.7 \pm 2.4\ (96.8 \pm 7.7)$ 信号効率$\varepsilon_S = 0.50\ (0.30)$である。 この性能はL-GATr-Slimベースラインと一致した構成とパラメータの予算で競合する。 3粒子アンシラを追加することで、信号効率が19.9ドルから35.7ドルに50\%の背景の拒絶が引き起こされるが、試験されたグレードの4ドル機能に表現を拡張しても一貫した改善は得られない。 この研究は、時空幾何学を量子的注意に組み込むための枠組みを確立し、明示的な3粒子相関を、テストされたアーキテクチャのバリエーションの中で改善された背景拒絶の主源として特定する。

関連論文リスト

• SQUARE: Structured Quantum Representation Adapters as Compact Quadratic Feature Maps for Frozen Language Models [50.300302932452006]
  凍結言語モデル(LM)は、下流の再ランク付け、スコアリング、嗜好モデリングのための固定された特徴抽出器として、ますます使われている。 本稿では、ボトルネックベクトルを振幅符号化し、パラメータ化量子回路を適用し、その結果の状態を測定する構造量子表現アダプタを提案する。 各基底確率関数は、ちょうどボトルネック座標における正規化された二次形式であり、追加のPauli$Z$読み出しはそれらの確率の線形結合であることを示す。
  論文  参考訳（メタデータ） (2026-09-29T09:38:29Z)
• Qutrit-Native Spatial-Orbital Encoding for Resource-Efficient Quantum Chemistry Simulation [0.0]
  クディットのさらなるレベルは、アルゴリズム設計が問題の基礎となる物理学を反映するときに、物理的に関係のある相関を表現することができる。 量子化学シミュレーションにおけるこの原理を量子固有空間軌道符号化を用いて実証する。 従来の量子ビットベースのUCCSD法と比較すると、量子ビット方式は量子単位の約半分を必要とする。
  論文  参考訳（メタデータ） (2026-08-16T06:55:07Z)
• Structural Kolmogorov-Arnold Convolutions: Learnable Function on the Values or the Filter Shape as Parameter-Efficient Alternative to Per-Edge Convolutional KANs [76.06235645266621]
  Convolutional Kolmogorov--Arnold Networks (KAN) は、畳み込みカーネルの固定重みを学習可能な単変数関数に置き換える。 学習可能な関数は、各エッジよりも畳み込みのエンファン構造に置かれる方がよいと我々は主張する。
  論文  参考訳（メタデータ） (2026-06-23T10:00:26Z)
• Amorphous Solid Model of Vectorial Hopfield Neural Networks [0.0]
  非晶質固体の理論から着想を得たホップフィールド連想記憶モデルのベクトル拡張を提案する。 一般化されたヘビアン学習規則は、保存されたパターンベクトルの外積を通してブロック構造重み行列を生成する。 本研究では, このモデルが乱れた材料の定量的構造特性を示すことを示す。
  論文  参考訳（メタデータ） (2025-07-30T15:51:54Z)
• Performance Characterization of a Multi-Module Quantum Processor with Static Inter-Chip Couplers [63.42120407991982]
  フリップチップボンディングのような3次元統合技術は、大規模超伝導量子プロセッサを実現するための鍵となる前提条件である。 1つのキャリアチップと4つのキュービットモジュールからなるマルチチップモジュールの設計を提案する。 2つのキュービットを測定し,平均3レベル状態割当誤差を200 nsで9倍10～3ドルとした。 ランダム化ベンチマークから抽出した7×10〜3$の誤差で100 nsの制御Z2量子ゲートを実演する。
  論文  参考訳（メタデータ） (2025-03-16T18:32:44Z)
• Non-Iterative Disentangled Unitary Coupled-Cluster based on Lie-algebraic structure [0.0]
  量子化学変分量子ソルバ(VQE)計算の実行には、固定されたユニタリ結合クラスター(UCC)アンス"アゼが魅力的である。 固定および非整合型ユニタリカップリング・クラスタコンパクトアンサッツである$k$-NI-DUCCを導入する。
  論文  参考訳（メタデータ） (2024-08-26T14:19:53Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。