机构名称：
¥ 1.0
理解喷气机的子结构是高能物理学的基本挑战，因为其固有的复杂性和多规模动力学。虽然诸如蒙特卡洛模拟之类的经典方法是重现喷气机现象学特性的功率工具，但这种方法难以准确捕获有关射流形成和进化的复杂相关性和随机过程。量子构成对抗网络（QGAN）通过利用量子计算以数据驱动方式建模量子计算对高维相关性和纠缠的能力来提供一种新颖的补充方法。在这项工作中，我们采用了QGAN框架来对喷气机中领先的黑龙的运动学进行建模。我们的研究调查了量子机器学习是否可以提供对喷气子结构建模的新见解，尤其是在经典方法遇到限制的地区。结果表明，QGAN可以有效地捕获喷气子结构的关键特征，为探索高能物理学中驱动喷气机形成和进化的机制铺平了道路。
喷气子结构的量子生成模型
主要关键词
相关文件推荐
