1مرکز تحقیقات کوانتومی، موسسه نوآوری فناوری، ابوظبی، امارات متحده عربی
2Departament de Física Quàntica i Astrofísica و Institut de Ciències del Cosmos (ICCUB)، Universitat de Barcelona، بارسلونا، اسپانیا.
3گروه فیزیک نظری، سرن، CH-1211 ژنو 23، سوئیس.
4موسسه فیزیک، دانشگاه ملی یانگ مینگ چیائو تونگ، Hsinchu 30010، تایوان.
5آزمایشگاه TIF، Dipartimento di Fisica، Università degli Studi di Milano و INFN Sezione di Milano، میلان، ایتالیا.
این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.
چکیده
ما یک معماری مولد کوانتومی جایگزین را در زمینه یادگیری متخاصم مولد برای تولید رویداد مونت کارلو پیشنهاد و ارزیابی می‌کنیم، که برای شبیه‌سازی فرآیندهای فیزیک ذرات در برخورد دهنده بزرگ هادرون (LHC) استفاده می‌شود. ما این روش را با اجرای شبکه کوانتومی بر روی داده‌های مصنوعی تولید شده از توزیع‌های اساسی شناخته شده تأیید می‌کنیم. سپس شبکه به مجموعه داده های تولید شده توسط مونت کارلو از فرآیندهای پراکندگی خاص LHC اعمال می شود. معماری جدید مولد کوانتومی منجر به تعمیم پیاده‌سازی‌های پیشرفته می‌شود و حتی با شبکه‌های با عمق کم به واگرایی‌های کولبک-لایبلر کوچک‌تر می‌رسد. علاوه بر این، مولد کوانتومی با موفقیت توابع توزیع زیربنایی را یاد می گیرد، حتی اگر با مجموعه های نمونه آموزشی کوچکی آموزش داده شود. این به ویژه برای برنامه های افزایش داده جالب است. ما این روش جدید را بر روی دو معماری سخت‌افزاری کوانتومی مختلف، فن‌آوری‌های یون به دام افتاده و ابررسانا، به کار می‌گیریم تا دوام مستقل از سخت‌افزار آن را آزمایش کنیم.
تصویر ویژه: در سمت چپ، مراحل شماتیک مربوط به آموزش style-qGAN. در سمت راست، توزیع نمونه‌های حاشیه‌ای برای مشاهده‌پذیرهای فیزیکی، s، t، y در pp -> تولید ttbar در LHC برای مدل style-qGAN.
► داده های BibTeX
◄ مراجع
[1] J. Preskill, Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
[2] F. Arute، K. Arya، R. Babbush، D. Bacon، JC Bardin، R. Barends، R. Biswas، S. Boixo، FGSL Brandao، DA Buell، و همکاران، Nature 574، 505 (2019).
https://doi.org/10.1038/s41586-019-1666-5
[3] H.-S. ژونگ، اچ. وانگ، ی.-اچ. دنگ، ام.-سی. چن، ال.-سی. پنگ، ی.-اچ. لو، جی. کین، دی. وو، ایکس. دینگ، ی. هو، و همکاران، Science 370، 1460 (2020).
https://doi.org/10.1126/science.abe8770
[4] M. Cerezo، A. Arrasmith، R. Babbush، SC Benjamin، S. Endo، K. Fujii، JR McClean، K. Mitarai، X. Yuan، L. Cincio، و همکاران، Nature Reviews Physics 3، 625-644 (2021).
https://doi.org/10.1038/s42254-021-00348-9
[5] K. Bharti، A. Cervera-Lierta، TH Kyaw، T. Haug، S. Alperin-Lea، A. Anand، M. Degroote، H. Heimonen، JS Kottmann، T. Menke، W.-K. Mok، S. Sim، L.-C. Kwek و A. Aspuru-Guzik, Reviews of Modern Physics 94, 015004 (2022).
https://doi.org/10.1103/RevModPhys.94.015004
[6] J. Biamonte، P. Wittek، N. Pancotti، P. Rebentrost، N. Wiebe و S. Lloyd، Nature 549، 195 (2017).
https://doi.org/10.1038/nature23474
[7] M. Schuld و F. Petruccione، یادگیری نظارت شده با کامپیوترهای کوانتومی، جلد. 17 (بهار، 2018).
https://doi.org/10.1007/978-3-319-96424-9
[8] N. Wiebe، D. Braun و S. Lloyd، Physical Review Letters 109، 050505 (2012).
https://doi.org/10.1103/PhysRevLett.109.050505
[9] S. Lloyd, M. Mohseni, and P. Rebentrost, arXiv preprint arXiv:1307.0411 (2013).
https://doi.org/10.48550/arXiv.1307.0411
arXiv: 1307.0411
[10] P. Rebentrost, M. Mohseni, and S. Lloyd, Physical Review Letters 113, 130503 (2014).
https://doi.org/10.1103/physrevlett.113.130503
[11] I. Kerenidis و A. Prakash, Physical Review A 101, 022316 (2020).
https://doi.org/10.1103/PhysRevA.101.022316
[12] AW Harrow، A. Hassidim و S. Lloyd، Physical Review Letters 103، 150502 (2009).
https://doi.org/10.1103/PhysRevLett.103.150502
[13] M. Benedetti، E. Lloyd، S. Sack، و M. Fiorentini، علم و فناوری کوانتومی 4، 043001 (2019a).
https://doi.org/10.1088/2058-9565/ab4eb5
[14] S. Sim، PD Johnson و A. Aspuru-Guzik، Advanced Quantum Technologies 2، 1900070 (2019).
https://doi.org/10.1002/qute.201900070
[15] C. Bravo-Prieto، J. Lumbreras-Zarapico، L. Tagliacozzo، و JI Latorre، Quantum 4, 272 (2020).
https://doi.org/10.22331/q-2020-05-28-272
[16] M. Larocca، N. Ju، D. García-Martín، PJ Coles، و M. Cerezo، arXiv preprint arXiv:2109.11676 (2021).
https://doi.org/10.48550/arXiv.2109.11676
arXiv: 2109.11676
[17] M. Schuld، R. Sweke و JJ Meyer، Physical Review A 103, 032430 (2021).
https://doi.org/10.1103/PhysRevA.103.032430
[18] T. Goto، QH Tran، و K. Nakajima، Physical Review Letters 127، 090506 (2021).
https://doi.org/10.1103/PhysRevLett.127.090506
[19] A. Pérez-Salinas، D. López-Núñez، A. García-Sáez، P. Forn-Díaz و JI Latorre، Physical Review A 104، 012405 (2021).
https://doi.org/10.1103/PhysRevA.104.012405
[20] V. Havlíček، AD Córcoles، K. Temme، AW Harrow، A. Kandala، JM Chow، و JM Gambetta، Nature 567، 209 (2019).
https://doi.org/10.1038/s41586-019-0980-2
[21] M. Schuld، A. Bocharov، KM Svore، و N. Wiebe، Physical Review A 101, 032308 (2020).
https://doi.org/10.1103/physreva.101.032308
[22] A. Pérez-Salinas، A. Cervera-Lierta، E. Gil-Fuster، و JI Latorre، Quantum 4، 226 (2020).
https://doi.org/10.22331/q-2020-02-06-226
[23] T. Dutta، A. Pérez-Salinas، JPS Cheng، JI Latorre و M. Mukherjee، Physical Review A 106, 012411 (2022).
https://doi.org/10.1103/PhysRevA.106.012411
[24] J. Romero، JP Olson و A. Aspuru-Guzik، علم و فناوری کوانتومی 2، 045001 (2017).
https://doi.org/10.1088/2058-9565/aa8072
[25] A. Pepper، N. Tischler و GJ Pryde، Physical Review Letters 122، 060501 (2019).
https://doi.org/10.1103/PhysRevLett.122.060501
[26] C. Bravo-Prieto، یادگیری ماشین: علم و فناوری 2، 035028 (2021).
https://doi.org/10.1088/2632-2153/ac0616
[27] C. Cao و X. Wang، Physical Review Applied 15, 054012 (2021).
https://doi.org/10.1103/PhysRevApplied.15.054012
[28] M. Benedetti، D. Garcia-Pintos، O. Perdomo، V. Leyton-Ortega، Y. Nam، و A. Perdomo-Ortiz، npj Quantum Information 5، 1 (2019b).
https://doi.org/10.1038/s41534-019-0157-8
[29] KE Hamilton، EF Dumitrescu، و RC Pooser، Physical Review A 99، 062323 (2019).
https://doi.org/10.1103/PhysRevA.99.062323
[30] بی. کویل، دی. میلز، وی. دانوس و ای. کاشفی، npj اطلاعات کوانتومی 6، 1 (2020).
https://doi.org/10.1038/s41534-020-00288-9
[31] P.-L. Dallaire-Demers and N. Killoran, Physical Review A 98, 012324 (2018).
https://doi.org/10.1103/PhysRevA.98.012324
[32] S. Lloyd and C. Weedbrook, Physical Review Letters 121, 040502 (2018).
https://doi.org/10.1103/PhysRevLett.121.040502
[33] I. Goodfellow، J. Pouget-Abadie، M. Mirza، B. Xu، D. Warde-Farley، S. Ozair، A. Courville، و Y. Bengio، Communications of the ACM 63, 139-144 (2020).
https://doi.org/10.1145/3422622
[34] C. Zoufal، A. Lucchi و S. Woerner، npj Quantum Information 5، 1 (2019).
https://doi.org/10.1038/s41534-019-0223-2
[35] J. Zeng، Y. Wu، J.-G. لیو، ال. وانگ و جی. هو، بررسی فیزیکی A 99، 052306 (2019).
https://doi.org/10.1103/PhysRevA.99.052306
[36] H. Situ, Z. He, Y. Wang, L. Li, and S. Zheng, Information Sciences 538, 193 (2020).
https://doi.org/10.1016/j.ins.2020.05.127
[37] L. Hu، S.-H. وو، دبلیو. کای، ی. ما، ایکس. مو، ی. ژو، اچ. وانگ، ی. سانگ، دی.-ال. دنگ، سی.-ال. زو و همکاران، پیشرفت های علمی 5، eaav2761 (2019).
https://doi.org/10.1126/sciadv.aav2761
[38] M. Benedetti, E. Grant, L. Wossnig, and S. Severini, New Journal of Physics 21, 043023 (2019c).
https://doi.org/10.1088/1367-2630/ab14b5
[39] J. Romero و A. Aspuru-Guzik، Advanced Quantum Technologies 4، 2000003 (2021).
https://doi.org/10.1002/qute.202000003
[40] MY Niu، A. Zlokapa، M. Broughton، S. Boixo، M. Mohseni، V. Smelyanskyi، and H. Neven، Physical Review Letters 128، 220505 (2022).
https://doi.org/10.1103/PhysRevLett.128.220505
[41] T. Karras، S. Laine و T. Aila، IEEE Transactions on Pattern Analysis and Machine Intelligence 43, 4217 (2021).
https://doi.org/10.1109/TPAMI.2020.2970919
[42] A. Pérez-Salinas, J. Cruz-Martinez, AA Alhajri, and S. Carrazza, Physical Review D 103, 034027 (2021).
https://doi.org/10.1103/PhysRevD.103.034027
[43] W. Guan، G. Perdue، A. Pesah، M. Schuld، K. Terashi، S. Vallecorsa، و J.-R. Vlimant، یادگیری ماشین: علم و فناوری 2، 011003 (2021).
https://doi.org/10.1088/2632-2153/abc17d
[44] SY Chang، S. Vallecorsa، EF Combarro، و F. Carminati، arXiv preprint arXiv:2101.11132 (2021a).
https://doi.org/10.48550/arXiv.2101.11132
arXiv: 2101.11132
[45] SY Chang، S. Herbert، S. Vallecorsa، EF Combarro، و R. Duncan، EPJ Web of Conferences 251، 03050 (2021b).
https://doi.org/10.1051/epjconf/202125103050
[46] V. Belis، S. González-Castillo، C. Reissel، S. Vallecorsa، EF Combarro، G. Dissertori، و F. Reiter، EPJ Web of Conferences 251، 03070 (2021).
https://doi.org/10.1051/epjconf/202125103070
[47] GR Khattak، S. Vallecorsa، F. Carminati، و GM Khan، مجله فیزیکی اروپا C 82، 1 (2022).
https://doi.org/10.1140/epjc/s10052-022-10258-4
[48] P. Baldi, L. Blecher, A. Butter, J. Collado, JN Howard, F. Keilbach, T. Plehn, G. Kasieczka, and D. Whiteson, arXiv preprint arXiv:2012.11944 (2021).
https://doi.org/10.48550/arXiv.2012.11944
arXiv: 2012.11944
[49] M. Backes، A. Butter، T. Plehn، و R. Winterhalder، SciPost Physics 10، 89 (2021).
https://doi.org/10.21468/SciPostPhys.10.4.089
[50] A. Butter و T. Plehn، در هوش مصنوعی برای فیزیک انرژی بالا (World Scientific, 2022) صفحات 191-240.
https://doi.org/10.1142/9789811234033_0007
[51] A. Butter، S. Diefenbacher، G. Kasieczka، B. Nachman، و T. Plehn، SciPost Physics 10، 139 (2021).
https://doi.org/10.21468/SciPostPhys.10.6.139
[52] A. Butter، T. Plehn، و R. Winterhalder، SciPost Physics Core 3، 9 (2020).
https://doi.org/10.21468/SciPostPhysCore.3.2.009
[53] M. Bellagente، A. Butter، G. Kasieczka، T. Plehn، و R. Winterhalder، SciPost Physics 8، 70 (2020).
https://doi.org/10.21468/SciPostPhys.8.4.070
[54] A. Butter، T. Plehn و R. Winterhalder، SciPost Physics 7، 75 (2019).
https://doi.org/10.21468/SciPostPhys.7.6.075
[55] S. Efthymiou، S. Ramos-Calderer، C. Bravo-Prieto، A. Pérez-Salinas، D. García-Martín، A. Garcia-Saez، JI Latorre، و S. Carrazza، علم و فناوری کوانتومی 7، 015018 ( 2021a).
https://doi.org/10.1088/2058-9565/ac39f5
[56] S. Efthymiou، S. Carrazza، S. Ramos، bpcarlos، AdrianPerezSalinas، D. García-Martín، Paul، J. Serrano و atomicprinter، qiboteam/qibo: Qibo 0.1.6-rc1 (2021b).
https://doi.org/10.5281/zenodo.5088103
[57] M. Abadi, A. Agarwal, P. Barham, E. Brevdo, Z. Chen, C. Citro, GS Corrado, A. Davis, J. Dean, M. Devin, et al., TensorFlow: یادگیری ماشینی در مقیاس بزرگ در مورد سیستم های ناهمگن (2015)، نرم افزار موجود از tensorflow.org.
https://www.tensorflow.org/
[58] afrancis heplat، C. Bravo-Prieto، S. Carrazza، M. Cè، J. Baglio، و dm grabowska، Qti-th/style-qgan: v1.0.0 (2021).
https://doi.org/10.5281/zenodo.5567077
[59] MD Zeiler، arXiv preprint arXiv:1212.5701 (2012).
https://doi.org/10.48550/arXiv.1212.5701
arXiv: 1212.5701
[60] M. Ostaszewski، E. Grant، و M. Benedetti، Quantum 5، 391 (2021).
https://doi.org/10.22331/q-2021-01-28-391
[61] S. Kullback و RA Leibler, The Annals of Mathematical Statistics 22, 79 (1951).
https://doi.org/10.1214/aoms/1177729694
[62] M. Frid-Adar، E. Klang، M. Amitai، J. Goldberger و H. Greenspan، در پانزدهمین سمپوزیوم بین المللی IEEE در سال 2018 در تصویربرداری زیست پزشکی (ISBI 15) (2018) صفحات 2018-289.
https://doi.org/10.1109/ISBI.2018.8363576
[63] FHK dos Santos Tanaka و C. Aranha، arXiv preprint arXiv:1904.09135 (2019).
https://doi.org/10.48550/arXiv.1904.09135
arXiv: 1904.09135
[64] J. Alwall, R. Frederix, S. Frixione, V. Hirschi, F. Maltoni, O. Mattelaer, HS Shao, T. Stelzer, P. Torrielli, and M. Zaro, Journal of High Energy Physics 07, 079 (2014) ).
https://doi.org/10.1007/JHEP07(2014)079
[65] R. Frederix, S. Frixione, V. Hirschi, D. Pagani, HS Shao, and M. Zaro, Journal of High Energy Physics 07, 185 (2018).
https://doi.org/10.1007/JHEP07(2018)185
[66] I.-K. Yeo and RA Johnson, Biometrika 87, 954 (2000).
https://doi.org/10.1093/biomet/87.4.954
[67] F. Pedregosa، G. Varoquaux، A. Gramfort، V. Michel، B. Thirion، O. Grisel، M. Blondel، P. Prettenhofer، R. Weiss، V. Dubourg، J. Vanderplas، A. Passos، D. Cournapeau، M. Brucher، M. Perrot، و E. Duchesnay، مجله تحقیقات یادگیری ماشین 12، 2825-2830 (2011).
https://dl.acm.org/doi/10.5555/1953048.2078195
[68] G. Aleksandrowicz، T. Alexander، P. Barkoutsos، L. Bello، Y. Ben-Haim، D. Bucher، FJ Cabrera-Hernández، J. Carballo-Franquis، A. Chen، C.-F. چن، و همکاران، Qiskit: یک چارچوب منبع باز برای محاسبات کوانتومی (2019).
https://doi.org/10.5281/zenodo.2562111
ذکر شده توسط
[1] تراویس اس. هامبل، آندریا دلگادو، رافائل پوزر، کریستوفر سک، رایان بنینک، ویسنته لیتون-اورتگا، سی. جوزف وانگ، یوجین دومیترسکو، تیتوس موریس، کاتلین همیلتون، دیمیتری لیاخ، پراسانا دیت، یان وانگ، نیکلاس پیترز، کاترین جی ایوانز، مارسل دمارتئو، الکس مک کاسکی، تین نگوین، سوزان کلارک، ملیسا رویل، آلبرتو دی مگلیو، میشل گروسی، سوفیا والکورسا، کرستین بوراس، کارل یانسن و دیرک کروکر، "کاغذ سفید جرم برف: سیستم‌های محاسباتی کوانتومی و نرم‌افزار برای تحقیقات فیزیک انرژی بالا"، arXiv: 2203.07091.
[2] آندریاس آدلمن، والتر هاپکینز، اوانجلوس کورلیتیس، مایکل کاگان، گرگور کاسیچکا، کلودیوس کراوز، دیوید شی، وینیسیوس میکونی، بنجامین ناچمن، کوین پدرو و دانیل وینکلهنر، «جهت‌های جدید برای مدل‌های جایگزین و برنامه‌نویسی با انرژی‌های بالا شبیه سازی آشکارساز» arXiv: 2203.08806.
[3] آندره آ دلگادو، کاتلین ای. همیلتون، پراسانا دیت، ژان روخ ولیمانت، دوارته ماگانو، یاسر عمر، پدرام بارگاسا، آنتونی فرانسیس، آلسیو جیانل، لورنزو سستینی، دوناتلا لوچسی، دیوید زولیانی، دیوید نیکوترا، ژاکو دی وی. دومینیکا دیبندتو، میریام لوسیو مارتینز، ادواردو رودریگز، کارلوس وازکز سیرا، سوفیا والیکورسا، جسی تالر، کارلوس براوو-پریتو، سو یون چانگ، جفری لازار و کارلوس آ. آرگوئلز، "محاسبات کوانتومی برای تجزیه و تحلیل داده‌ها" ، arXiv: 2203.08805.
[4] Yuxuan Du، Zhuozhuo Tu، Bujiao Wu، Xiao Yuan، و Dacheng Tao، "قدرت یادگیری مولد کوانتومی"، arXiv: 2205.04730.
[5] استفانو کارازا، استاوروس افتیمیو، مارکو لازارین و آندریا پاسکواله، "یک چارچوب مدولار منبع باز برای محاسبات کوانتومی"، arXiv: 2202.07017.
[6] ساندرا نگومتو و ویسنته لیتون-اورتگا، "Re-QGAN: چارچوب یادگیری مدار کوانتومی متخاصم بهینه"، arXiv: 2208.02165.
[7] گابریل آگلیاردی، میشل گروسی، ماتیو پلن و انریکو پراتی، "ادغام کوانتومی فرآیندهای ذرات بنیادی"، Physics Letters B 832, 137228 (2022).
[8] جک وای آراز و مایکل اسپانوفسکی، "کلاسیک در مقابل کوانتوم: مقایسه مدارهای کوانتومی مبتنی بر شبکه تانسور بر روی داده های LHC"، arXiv: 2202.10471.
[9] آندریا دلگادو و کاتلین ای. همیلتون، "یادگیری مدار کوانتومی بدون نظارت در فیزیک انرژی بالا"، arXiv: 2203.03578.
[10] سلیمان الوی، کریستین بائر، و بنجامین ناچمن، "تشخیص ناهنجاری کوانتومی برای فیزیک برخورد دهنده"، arXiv: 2206.08391.
[11] Oriel Kiss، Michele Grossi، Enrique Kajomovitz و Sofia Vallecorsa، "ماشین متولد شده شرطی برای نسل رویدادهای مونت کارلو". arXiv: 2205.07674.
نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2022-08-18 08:19:35). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.
On سرویس استناد شده توسط Crossref هیچ داده ای در مورد استناد به آثار یافت نشد (آخرین تلاش 2022-08-18 08:19:33).
این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.
