1מרכז המחקר הקוונטי, המכון לחדשנות טכנולוגית, אבו דאבי, איחוד האמירויות הערביות
2Departament de Física Quàntica i Astrofísica ו-Institut de Ciències del Cosmos (ICCUB), Universitat de Barcelona, ברצלונה, ספרד.
3המחלקה לפיזיקה תיאורטית, CERN, CH-1211 Geneva 23, שוויץ.
4המכון לפיזיקה, אוניברסיטת Yang Ming Chiao Tung הלאומית, Hsinchu 30010, טייוואן.
5מעבדת TIF, Dipartimento di Fisica, Università degli Studi di Milano ו-INFN Sezione di Milano, מילאנו, איטליה.
מצא את העיתון הזה מעניין או רוצה לדון? סקייט או השאירו תגובה ב- SciRate.
תַקצִיר
אנו מציעים ומעריכים ארכיטקטורה אלטרנטיבית של מחולל קוונטי בהקשר של למידה יריבתית גנרטיבית ליצירת אירועי מונטה קרלו, המשמשת להדמיית תהליכי פיזיקת חלקיקים במאיץ ההדרון הגדול (LHC). אנו מאמתים מתודולוגיה זו על ידי יישום הרשת הקוונטית על נתונים מלאכותיים שנוצרו מהתפלגות בסיסיות ידועות. הרשת מיושמת לאחר מכן על מערכי נתונים שנוצרו על ידי מונטה קרלו של תהליכי פיזור LHC ספציפיים. הארכיטקטורה החדשה של מחולל הקוונטים מובילה להכללה של ההטמעות העדכניות ביותר, ומשיגה הבדלים קטנים יותר של Kullback-Leibler אפילו עם רשתות בעומק רדוד. יתר על כן, מחולל הקוונטים לומד בהצלחה את פונקציות ההפצה הבסיסיות גם אם הוא מאומן עם ערכות דגימות אימון קטנות; זה מעניין במיוחד עבור יישומי הגדלת נתונים. אנו פורסים מתודולוגיה חדשה זו על שתי ארכיטקטורות חומרה קוונטיות שונות, טכנולוגיות לכוד יונים וטכנולוגיות מוליכות-על, כדי לבדוק את הכדאיות שלה ללא תלות בחומרה.
תמונה מוצגת: משמאל, שלבים סכמטיים המעורבים באימון style-qGAN. בצד ימין, התפלגות דגימות שוליות עבור הנצפים הפיזיים, s, t, y בייצור pp -> ttbar ב-LHC עבור מודל style-qGAN.
► נתוני BibTeX
► הפניות
[1] ג'יי פרסקיל, קוונטום 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, et al., Nature 574, 505 (2019).
https://doi.org/10.1038/s41586-019-1666-5
[3] ח.-ש. Zhong, H. Wang, Y.-H. דנג, מ.-סי. חן, ל.-סי. פנג, י.-ה. Luo, J. Qin, D. Wu, X. Ding, Y. Hu, et al., 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, et al., 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, and A. Asspuru-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, and S. Lloyd, Nature 549, 195 (2017).
https: / / doi.org/ 10.1038 / nature23474
[7] M. Schuld and F. Petruccione, Supervised learning with computers quantum, Vol. 17 (ספרינגר, 2018).
https://doi.org/10.1007/978-3-319-96424-9
[8] N. Wiebe, D. Braun, and 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 and A. Prakash, Physical Review A 101, 022316 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.022316
[12] AW Harrow, A. Chasidim, and S. Lloyd, Physical Review Letters 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[13] M. Benedetti, E. Lloyd, S. Sack, and M. Fiorentini, Quantum Science and Technology 4, 043001 (2019a).
https://doi.org/10.1088/2058-9565/ab4eb5
[14] S. Sim, PD Johnson, and A. Asspuru-Guzik, Advanced Quantum Technologies 2, 1900070 (2019).
https: / / doi.org/ 10.1002 / qute.201900070
[15] C. Bravo-Prieto, J. Lumbreras-Zarapico, L. Tagliacozzo, and 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, and M. Cerezo, arXiv preprint arXiv:2109.11676 (2021).
https:///doi.org/10.48550/arXiv.2109.11676
arXiv: 2109.11676
[17] M. Schuld, R. Sweke, and JJ Meyer, Physical Review A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[18] T. Goto, QH Tran, and 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, and 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, and JM Gambetta, Nature 567, 209 (2019).
https://doi.org/10.1038/s41586-019-0980-2
[21] M. Schuld, A. Bocharov, KM Svore, and 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, ו- 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, and M. Mukherjee, Physical Review A 106, 012411 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.106.012411
[24] ג'יי רומרו, ג'יי.פי אולסון, וא 'אספורו-גוזיק, מדע וטכנולוגיה קוונטית 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072
[25] A. Pepper, N. Tischler, and GJ Pride, Physical Review Letters 122, 060501 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.122.060501
[26] C. Bravo-Prieto, Machine Learning: Science and Technology 2, 035028 (2021).
https: / / doi.org/ 10.1088 / 2632-2153 / ac0616
[27] C. Cao and 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, and A. Perdomo-Ortiz, npj Quantum Information 5, 1 (2019b).
https://doi.org/10.1038/s41534-019-0157-8
[29] KE Hamilton, EF Dumitrescu ו-RC Pooser, Physical Review A 99, 062323 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062323
[30] B. Coyle, D. Mills, V. Danos, and E. Kashefi, npj Quantum Information 6, 1 (2020).
https://doi.org/10.1038/s41534-020-00288-9
[31] פ.-ל. 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, and Y. Bengio, Communications of the ACM 63, 139–144 (2020).
https: / / doi.org/ 10.1145 / 3422622
[34] C. Zoufal, A. Lucchi, and S. Woerner, npj Quantum Information 5, 1 (2019).
https://doi.org/10.1038/s41534-019-0223-2
[35] J. Zeng, Y. Wu, J.-G. Liu, L. Wang, and J. Hu, Physical Review 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. Wu, W. Cai, Y. Ma, X. Mu, Y. Xu, H. Wang, Y. Song, D.-L. דנג, סי-ל. Zou, et al., Science advances 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 and A. Asspuru-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, and 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, and J.-R. Vlimant, Machine Learning: Science and Technology 2, 011003 (2021).
https://doi.org/10.1088/2632-2153/abc17d
[44] SY Chang, S. Vallecorsa, EF Combarro, ו-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, and 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, and F. Reiter, EPJ Web of Conferences 251, 03070 (2021).
https:///doi.org/10.1051/epjconf/202125103070
[47] GR Khattak, S. Vallecorsa, F. Carminati ו-GM Khan, The European Physical Journal 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, and R. Winterhalder, SciPost Physics 10, 89 (2021).
https: / doi.org/â € ‹10.21468 / SciPostPhys.10.4.089
[50] A. Butter and T. Plehn, ב- Artificial Intelligence For High Energy Physics (World Scientific, 2022) עמ' 191–240.
https: / doi.org/â € ‹10.1142 / 9789811234033_0007
[51] A. Butter, S. Diefenbacher, G. Kasieczka, B. Nachman, and T. Plehn, SciPost Physics 10, 139 (2021).
https: / doi.org/â € ‹10.21468 / SciPostPhys.10.6.139
[52] A. Butter, T. Plehn, and 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, and R. Winterhalder, SciPost Physics 8, 70 (2020).
https: / doi.org/â € ‹10.21468 / SciPostPhys.8.4.070
[54] A. Butter, T. Plehn, and R. Winterhalder, SciPost Physics 7, 75 (2019).
https: / doi.org/â € ‹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, and S. Carrazza, Quantum Science and Technology 7, 015018 ( 2021א).
https://doi.org/10.1088/2058-9565/ac39f5
[56] S. Efthymiou, S. Carrazza, S. Ramos, bpcarlos, AdrianPerezSalinas, D. García-Martín, Paul, J. Serrano, and 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: Large-scale machine learning על מערכות הטרוגניות (2015), תוכנה זמינה מ-tensorflow.org.
https: / / www.tensorflow.org/
[58] afrancis heplat, C. Bravo-Prieto, S. Carrazza, M. Cè, J. Baglio, and 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, and M. Benedetti, Quantum 5, 391 (2021).
https://doi.org/10.22331/q-2021-01-28-391
[61] S. Kullback and 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, and H. Greenspan, בשנת 2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018) (2018) עמ' 289–293.
https://doi.org/10.1109/ISBI.2018.8363576
[63] FHK dos Santos Tanaka and 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, and E. Duchesnay, Journal of Machine Learning Research 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. Chen, et al., Qiskit: An-source-source Framework for Quantum Computing (2019).
https: / / doi.org/ 10.5281 / zenodo.2562111
מצוטט על ידי
[1] Travis S. Humble, Andrea Delgado, Raphael Pooser, Christopher Seck, Ryan Bennink, Vicente Leyton-Ortega, C. -C. ג'וזף וואנג, יוג'ין דומיטרסקו, טיטוס מוריס, קתלין המילטון, דמיטרי ליאק, פראסנה דייט, יאן וואנג, ניקולס א. פיטרס, קתרין ג'יי אוונס, מרסל דמארטו, אלכס מקסקי, ת'יין נגויין, סוזן קלארק, מליסה רוויל, אלברטו די מגיו, Michele Grossi, Sofia Vallecorsa, Kerstin Borras, Karl Jansen, ו-Dirk Krücker, "הספר הלבן של מסת השלג: מערכות מחשוב קוונטי ותוכנה לחקר פיזיקה באנרגיה גבוהה", arXiv: 2203.07091.
[2] אנדראס אדלמן, וולטר הופקינס, אוונגלוס קורליטיס, מייקל קגן, גרגור קאסייצ'קה, קלאודיוס קראוזה, דיוויד שי, ויניסיוס מיקוני, בנג'מין נחמן, קווין פדרו ודניאל ווינקלהנר, "כיוונים חדשים למודלים פונדקאים ותכנות ניתן להבדיל לפיזיקת אנרגיה גבוהה הדמיית גלאים", arXiv: 2203.08806.
[3] אנדריאה דלגדו, קתלין אי המילטון, פראסנה דייט, ז'אן רוש וולימנט, דוארטה מגאנו, יאסר עומר, פדרמה ברגאסה, אנתוני פרנסיס, אלסיו ג'אנל, לורנצו ססטיני, דונטלה לוצ'סי, דויד זוליאני, דוידה ניקוטרה, ג'אקו דה פריס, דומיניקה דיבנדטו, מרים לוסיו מרטינז, אדוארדו רודריגס, קרלוס ואסקז סיירה, סופיה ואלקורסה, ג'סי תאלר, קרלוס בראבו-פריטו, סו יאון צ'אנג, ג'פרי לזר וקרלוס א. ארגולס, "מחשוב קוונטי לניתוח נתונים בפיזיקה של אנרגיה גבוהה" , arXiv: 2203.08805.
[4] Yuxuan Du, Zhuozhuo Tu, Bujiao Wu, Xiao Yuan, ודאצ'נג טאו, "כוח של למידה יצירתית קוונטית", arXiv: 2205.04730.
[5] Stefano Carrazza, Stavros Efthymiou, Marco Lazzarin, ו-Andrea Pasquale, "מסגרת מודולרית בקוד פתוח למחשוב קוונטי", arXiv: 2202.07017.
[6] סנדרה נגומטו וויסנטה לייטון-אורטגה, "Re-QGAN: מסגרת למידת מעגל קוונטי אופטימלית נגדית", arXiv: 2208.02165.
[7] גבריאלה אגליארדי, מישל גרוסי, מתיו פלן ואנריקו פראטי, "שילוב קוונטי של תהליכי חלקיקים יסודיים", אותיות פיזיקה B 832, 137228 (2022).
[8] ג'ק י. ארז ומייקל ספנובסקי, "קלאסי מול קוואנטום: השוואת מעגלים קוונטיים מבוססי רשת Tensor על נתוני LHC", arXiv: 2202.10471.
[9] אנדריאה דלגדו וקתלין א. המילטון, "למידת מעגלים קוונטיים ללא פיקוח בפיזיקה של אנרגיה גבוהה", arXiv: 2203.03578.
[10] סולימאן אלווי, כריסטיאן באואר ובנימין נחמן, "זיהוי אנומליה קוונטית לפיזיקת מאיץ", arXiv: 2206.08391.
[11] אוריאל קיס, מישל גרוסי, אנריקה קג'ומוביץ וסופיה ולקורסה, "מכונת נולד מותנה לדור אירועי מונטה קרלו", arXiv: 2205.07674.
הציטוטים לעיל הם מ- מודעות SAO / NASA (עודכן לאחרונה בהצלחה 2022-08-18 08:19:35). הרשימה עשויה להיות שלמה מכיוון שלא כל בעלי האתרים מספקים נתוני ציטוט ראויים ומלאים.
On השירות המוזכר של קרוסרף לא נמצאו נתונים על ציטוט עבודות (ניסיון אחרון 2022-08-18 08:19:33)
מאמר זה מתפרסם בקוונטים תחת התקציב ייחוס Creative Commons 4.0 הבינלאומי (CC BY 4.0) רישיון. זכויות יוצרים נשארות עם בעלי זכויות היוצרים המקוריים כמו המחברים או מוסדותיהם.
