Hybrid Quantum Vision Transformers for Event Classification in High Energy Physics

要約

ビジョン トランスフォーマー アーキテクチャに基づくモデルは、画像分類タスクに関しては最先端とみなされます。
ただし、トレーニングと展開の両方に大量の計算リソースが必要です。
データの量と複雑さが増加するにつれて、問題は悪化します。
量子ベースのビジョントランスフォーマーモデルは、同じ予測力を維持しながらトレーニングと操作時間を短縮することで、この問題を軽減できる可能性があります。
現在の量子コンピューターはまだ高次元タスクを実行できませんが、将来に向けて最も効率的なソリューションの 1 つを提供します。
この研究では、高エネルギー物理学における分類問題 (電磁熱量計における光子と電子の区別) のために、量子ハイブリッド ビジョン トランスフォーマーのいくつかのバリエーションを構築します。
私たちはそれらを古典的なビジョントランスフォーマーアーキテクチャに対してテストします。
私たちの調査結果は、ハイブリッド モデルが、同様の数のパラメーターで従来の類似モデルと同等のパフォーマンスを達成できることを示しています。

要約(オリジナル)

Models based on vision transformer architectures are considered state-of-the-art when it comes to image classification tasks. However, they require extensive computational resources both for training and deployment. The problem is exacerbated as the amount and complexity of the data increases. Quantum-based vision transformer models could potentially alleviate this issue by reducing the training and operating time while maintaining the same predictive power. Although current quantum computers are not yet able to perform high-dimensional tasks yet, they do offer one of the most efficient solutions for the future. In this work, we construct several variations of a quantum hybrid vision transformer for a classification problem in high energy physics (distinguishing photons and electrons in the electromagnetic calorimeter). We test them against classical vision transformer architectures. Our findings indicate that the hybrid models can achieve comparable performance to their classical analogues with a similar number of parameters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google