Quantum Diffusion Model for Quark and Gluon Jet Generation

要約

拡散モデルは画像生成において目覚ましい成功を収めていますが、計算量が多く、トレーニングに時間がかかります。
この論文では、計算上の課題を軽減し、高エネルギー物理データ内の生成パフォーマンスを向上させるために、量子コンピューティング技術の恩恵を受ける新しい拡散モデルを紹介します。
完全量子拡散モデルは、フォワード プロセスでガウス ノイズをランダムなユニタリ行列に置き換え、ノイズ除去アーキテクチャの U-Net 内に変分量子回路を組み込みます。
大型ハドロン衝突型加速器からの構造的に複雑なクォークとグルーオンのジェット データセットの評価を実行します。
この結果は、完全量子モデルとハイブリッド モデルがジェット生成に関して同様の古典的モデルと競合できることを示しており、機械学習の問題に量子技術を使用する可能性を強調しています。

要約(オリジナル)

Diffusion models have demonstrated remarkable success in image generation, but they are computationally intensive and time-consuming to train. In this paper, we introduce a novel diffusion model that benefits from quantum computing techniques in order to mitigate computational challenges and enhance generative performance within high energy physics data. The fully quantum diffusion model replaces Gaussian noise with random unitary matrices in the forward process and incorporates a variational quantum circuit within the U-Net in the denoising architecture. We run evaluations on the structurally complex quark and gluon jets dataset from the Large Hadron Collider. The results demonstrate that the fully quantum and hybrid models are competitive with a similar classical model for jet generation, highlighting the potential of using quantum techniques for machine learning problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google