Loading...
机构名称:
¥ 1.0

摘要。与目前的 LHC 实验综合体相比,CERN 的高亮度大型强子对撞机 (HL-LHC) 的复杂性和数据量将显著增加。因此,由于同时发生的碰撞次数和随之而来的探测器占用率增加,重建粒子轨迹的任务将变得更加复杂。为了识别粒子路径,HEP.TrkX 项目及其后继项目 Exa.TrkX 正在探索图神经网络等机器学习技术。两者都显示出有希望的结果并降低了问题的组合性质。我们团队先前的结果证明了应用量子图神经网络根据探测器的命中重建粒子轨迹的成功尝试。通过在嵌入空间内以有意义的方式表示训练数据,可以获得更高的整体精度。这已通过应用经典 MLP 包含在 Exa.TrkX 项目中。因此,属于不同轨迹的命中对被推开,而属于相同轨迹的命中对则保持靠近。我们探索了包含相对较少量子比特的变分量子电路在嵌入任务中适用于 NISQ 设备的适用性,并展示了初步结果。

使用混合量子嵌入粒子跟踪数据

使用混合量子嵌入粒子跟踪数据PDF文件第1页

使用混合量子嵌入粒子跟踪数据PDF文件第2页

使用混合量子嵌入粒子跟踪数据PDF文件第3页

使用混合量子嵌入粒子跟踪数据PDF文件第4页

使用混合量子嵌入粒子跟踪数据PDF文件第5页

相关文件推荐