1Quantum Research Centre, Technology Innovation Institute, Abu Dhabi, VAE
2Departament de Física Quàntica i Astrofísica en Institut de Ciències del Cosmos (ICCUB), Universitat de Barcelona, Barcelona, Spanje.
3Afdeling Theoretische Natuurkunde, CERN, CH-1211 Genève 23, Zwitserland.
4Instituut voor Natuurkunde, Nationale Yang Ming Chiao Tung Universiteit, Hsinchu 30010, Taiwan.
5TIF Lab, Dipartimento di Fisica, Università degli Studi di Milano en INFN Sezione di Milano, Milaan, Italië.
Vind je dit artikel interessant of wil je het bespreken? Scite of laat een reactie achter op SciRate.
Abstract
We stellen een alternatieve kwantumgeneratorarchitectuur voor en beoordelen deze in de context van generatief adversarieel leren voor het genereren van Monte Carlo-gebeurtenissen, gebruikt om deeltjesfysica-processen bij de Large Hadron Collider (LHC) te simuleren. We valideren deze methodologie door het kwantumnetwerk te implementeren op kunstmatige gegevens die zijn gegenereerd op basis van bekende onderliggende distributies. Het netwerk wordt vervolgens toegepast op door Monte Carlo gegenereerde datasets van specifieke LHC-verstrooiingsprocessen. De nieuwe kwantumgeneratorarchitectuur leidt tot een veralgemening van de state-of-the-art implementaties, waardoor kleinere verschillen tussen Kullback-Leibler worden bereikt, zelfs met netwerken met geringe diepte. Bovendien leert de kwantumgenerator met succes de onderliggende distributiefuncties, zelfs als hij is getraind met kleine sets met trainingsvoorbeelden; dit is vooral interessant voor toepassingen voor data-augmentatie. We zetten deze nieuwe methodologie in op twee verschillende kwantumhardware-architecturen, ingesloten-ion- en supergeleidende technologieën, om de hardware-onafhankelijke levensvatbaarheid te testen.
Uitgelichte afbeelding: Aan de linkerkant, schematische stappen die betrokken zijn bij de style-qGAN-training. Aan de rechterkant, marginale steekproefverdelingen voor de fysieke waarneembare waarden, s, t, y in pp -> ttbar-productie bij de LHC voor het style-qGAN-model.
► BibTeX-gegevens
► Referenties
[1] J. Voorkennis, 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, et al., Nature 574, 505 (2019).
https://doi.org/10.1038/s41586-019-1666-5
[3] H.-S. Zhong, H. Wang, Y.-H. Deng, M.-C. Chen, L.-C. Peng, Y.-H. 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 en A. Aspuru-Guzik, beoordelingen van moderne fysica 94, 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[6] J. Biamonte, P. Wittek, N. Pancotti, P. Rebentrost, N. Wiebe en S. Lloyd, Nature 549, 195 (2017).
https: / / doi.org/ 10.1038 / nature23474
[7] M. Schuld en F. Petruccione, begeleid leren met kwantumcomputers, Vol. 17 (Springer, 2018).
https://doi.org/10.1007/978-3-319-96424-9
[8] N. Wiebe, D. Braun en S. Lloyd, Physical Review Letters 109, 050505 (2012).
https: / / doi.org/ 10.1103 / PhysRevLett.109.050505
[9] S. Lloyd, M. Mohseni en P. Rebentrost, arXiv preprint arXiv:1307.0411 (2013).
https://doi.org/10.48550/arXiv.1307.0411
arXiv: 1307.0411
[10] P. Rebentrost, M. Mohseni en S. Lloyd, Physical Review Letters 113, 130503 (2014).
https: / / doi.org/ 10.1103 / physrevlett.113.130503
[11] I. Kerenidis en A. Prakash, Physical Review A 101, 022316 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.022316
[12] AW Harrow, A. Hassidim en S. Lloyd, Physical Review Letters 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[13] M. Benedetti, E. Lloyd, S. Sack en M. Fiorentini, Quantum Science and Technology 4, 043001 (2019a).
https://doi.org/10.1088/2058-9565/ab4eb5
[14] S. Sim, PD Johnson en 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 en 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 en M. Cerezo, arXiv preprint arXiv:2109.11676 (2021).
https://doi.org/10.48550/arXiv.2109.11676
arXiv: 2109.11676
[17] M. Schuld, R. Sweke en JJ Meyer, Physical Review A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[18] T. Goto, QH Tran en 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 en 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 en JM Gambetta, Nature 567, 209 (2019).
https://doi.org/10.1038/s41586-019-0980-2
[21] M. Schuld, A. Bocharov, KM Svore en 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 en 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 en M. Mukherjee, Physical Review A 106, 012411 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.106.012411
[24] J. Romero, JP Olson en A. Aspuru-Guzik, Quantum Science and Technology 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072
[25] A. Pepper, N. Tischler en GJ Pryde, Physical Review Letters 122, 060501 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.122.060501
[26] C. Bravo-Prieto, machinaal leren: wetenschap en technologie 2, 035028 (2021).
https:///doi.org/10.1088/2632-2153/ac0616
[27] C. Cao en 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 en A. Perdomo-Ortiz, npj Quantum Information 5, 1 (2019b).
https://doi.org/10.1038/s41534-019-0157-8
[29] KE Hamilton, EF Dumitrescu en RC Pooser, Physical Review A 99, 062323 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062323
[30] B. Coyle, D. Mills, V. Danos en E. Kashefi, npj Quantum Information 6, 1 (2020).
https://doi.org/10.1038/s41534-020-00288-9
[31] P.-L. Dallaire-Demers en N. Killoran, Physical Review A 98, 012324 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.012324
[32] S. Lloyd en 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 en Y. Bengio, Communicatie van de ACM 63, 139-144 (2020).
https: / / doi.org/ 10.1145 / 3422622
[34] C. Zoufal, A. Lucchi en 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 en 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 en S. Zheng, Informatiewetenschappen 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. Deng, C.-L. Zou, et al., Science Advances 5, eaav2761 (2019).
https: / / doi.org/ 10.1126 / sciadv.aav2761
[38] M. Benedetti, E. Grant, L. Wossnig en S. Severini, New Journal of Physics 21, 043023 (2019c).
https://doi.org/10.1088/1367-2630/ab14b5
[39] J. Romero en 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 en H. Neven, Physical Review Letters 128, 220505 (2022).
https: / / doi.org/ 10.1103 / PhysRevLett.128.220505
[41] T. Karras, S. Laine en 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 en 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 en J.-R. Vlimant, machinaal leren: wetenschap en technologie 2, 011003 (2021).
https:///doi.org/10.1088/2632-2153/abc17d
[44] SY Chang, S. Vallecorsa, EF Combarro en 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 en 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 en F. Reiter, EPJ Web of Conferences 251, 03070 (2021).
https://doi.org/10.1051/epjconf/202125103070
[47] GR Khattak, S. Vallecorsa, F. Carminati en 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 en 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 en R. Winterhalder, SciPost Physics 10, 89 (2021).
https: / / doi.org/ 10.21468 / SciPostPhys.10.4.089
[50] A. Butter en T. Plehn, in Artificial Intelligence For High Energy Physics (World Scientific, 2022), blz. 191-240.
https: / / doi.org/ 10.1142 / 9789811234033_0007
[51] A. Butter, S. Diefenbacher, G. Kasieczka, B. Nachman en T. Plehn, SciPost Physics 10, 139 (2021).
https: / / doi.org/ 10.21468 / SciPostPhys.10.6.139
[52] A. Butter, T. Plehn en 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 en R. Winterhalder, SciPost Physics 8, 70 (2020).
https: / / doi.org/ 10.21468 / SciPostPhys.8.4.070
[54] A. Butter, T. Plehn en 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 en S. Carrazza, Quantum Science and Technology 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 en 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: grootschalige machine learning op heterogene systemen (2015), software verkrijgbaar bij tensorflow.org.
https: / / www.tensorflow.org/
[58] afrancis heplat, C. Bravo-Prieto, S. Carrazza, M. Cè, J. Baglio en 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 en M. Benedetti, Quantum 5, 391 (2021).
https://doi.org/10.22331/q-2021-01-28-391
[61] S. Kullback en 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 en H. Greenspan, in 2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018) (2018), blz. 289-293.
https://doi.org/10.1109/ISBI.2018.8363576
[63] FHK dos Santos Tanaka en 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 en 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 en M. Zaro, Journal of High Energy Physics 07, 185 (2018).
https: / / doi.org/ 10.1007 / JHEP07 (2018) 185
[66] I.-K. Yeo en 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 en 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: een open-source raamwerk voor kwantumcomputing (2019).
https: / / doi.org/ 10.5281 / zenodo.2562111
Geciteerd door
[1] Travis S. Humble, Andrea Delgado, Raphael Pooser, Christopher Seck, Ryan Bennink, Vicente Leyton-Ortega, C. -C. Joseph Wang, Eugene Dumitrescu, Titus Morris, Kathleen Hamilton, Dmitry Lyakh, Prasanna Date, Yan Wang, Nicholas A. Peters, Katherine J. Evans, Marcel Demarteau, Alex McCaskey, Thien Nguyen, Susan Clark, Melissa Reville, Alberto Di Meglio, Michele Grossi, Sofia Vallecorsa, Kerstin Borras, Karl Jansen en Dirk Krücker, "Snowmass White Paper: Quantum Computing Systems and Software for High-energy Physics Research", arXiv: 2203.07091.
[2] Andreas Adelmann, Walter Hopkins, Evangelos Kourlitis, Michael Kagan, Gregor Kasieczka, Claudius Krause, David Shih, Vinicius Mikuni, Benjamin Nachman, Kevin Pedro en Daniel Winklehner, "Nieuwe aanwijzingen voor surrogaatmodellen en differentieerbare programmering voor High Energy Physics detectorsimulatie”, arXiv: 2203.08806.
[3] Andrea Delgado, Kathleen E. Hamilton, Prasanna Date, Jean-Roch Vlimant, Duarte Magano, Yasser Omar, Pedrame Bargassa, Anthony Francis, Alessio Gianelle, Lorenzo Sestini, Donatella Lucchesi, Davide Zuliani, Davide Nicotra, Jacco de Vries, Dominica Dibenedetto, Miriam Lucio Martinez, Eduardo Rodrigues, Carlos Vazquez Sierra, Sofia Vallecorsa, Jesse Thaler, Carlos Bravo-Prieto, su Yeon Chang, Jeffrey Lazar en Carlos A. Argüelles, "Quantum Computing for Data Analysis in High-Energy Physics" , arXiv: 2203.08805.
[4] Yuxuan Du, Zhuozhuo Tu, Bujiao Wu, Xiao Yuan en Dacheng Tao, "Kracht van kwantumgeneratief leren", arXiv: 2205.04730.
[5] Stefano Carrazza, Stavros Efthymiou, Marco Lazzarin en Andrea Pasquale, "Een open-source modulair raamwerk voor kwantumcomputing", arXiv: 2202.07017.
[6] Sandra Nguemto en Vicente Leyton-Ortega, "Re-QGAN: een geoptimaliseerd framework voor het leren van kwantumcircuits op tegenspraak", arXiv: 2208.02165.
[7] Gabriele Agliardi, Michele Grossi, Mathieu Pellen en Enrico Prati, "Kwantumintegratie van elementaire deeltjesprocessen", Natuurkunde Letters B 832, 137228 (2022).
[8] Jack Y. Araz en Michael Spannowsky, "Classical versus Quantum: Tensor Network-based Quantum Circuits op LHC-gegevens vergelijken", arXiv: 2202.10471.
[9] Andrea Delgado en Kathleen E. Hamilton, "Ongecontroleerd Quantum Circuit Learning in High Energy Physics", arXiv: 2203.03578.
[10] Sulaiman Alvi, Christian Bauer en Benjamin Nachman, "Quantum Anomaly Detection for Collider Physics", arXiv: 2206.08391.
[11] Oriel Kiss, Michele Grossi, Enrique Kajomovitz en Sofia Vallecorsa, "Conditional Born-machine voor het genereren van evenementen in Monte Carlo", arXiv: 2205.07674.
Bovenstaande citaten zijn afkomstig van SAO / NASA ADS (laatst bijgewerkt met succes 2022-08-18 08:19:35). De lijst is mogelijk onvolledig omdat niet alle uitgevers geschikte en volledige citatiegegevens verstrekken.
On De door Crossref geciteerde service er zijn geen gegevens gevonden over het citeren van werken (laatste poging 2022-08-18 08:19:33).
Dit artikel is gepubliceerd in Quantum onder de Creative Commons Naamsvermelding 4.0 Internationaal (CC BY 4.0) licentie. Het auteursrecht blijft berusten bij de oorspronkelijke houders van auteursrechten, zoals de auteurs of hun instellingen.
