机构名称：
¥ 1.0
摘要：我们研究了将量子机学习技术应用于数据分析的可能性，特别是关于高能物理学中有趣的用例。我们根据参数化的量子电路提出了一种异常检测算法。该算法在古典计算机上进行了培训，并通过模拟以及实际量子硬件进行了测试。使用IBM量子计算机对NISQ设备进行测试。为了执行量子硬件，设计和实现了特定的硬件驱动的改编。量子异常检测算法能够检测到简单异常，例如手写数字中的不同字符以及更复杂的结构，例如由粒子检测器中的异常模式，这是由在碰撞器实验中产生的长寿命颗粒产物产生的粒子探测器。对于高能物理应用程序，仅在模拟中估算了性能，因为量子电路不够简单，无法在可用的量子硬件平台上执行。这项工作表明可以使用量子算法进行异常检测。但是，由于该任务需要对经典数据的振幅编码，因此由于可用的量子硬件平台中的噪声水平，当前的实现无法胜过基于深神经网络的经典典型异常检测算法。
具有参数化量子电路的长寿命颗粒异常检测
主要关键词
相关文件推荐
