Quantum Vision Transformers for Quark-Gluon Classification

要約

我々は、アテンションメカニズムと多層パーセプトロンの両方に変分量子回路を統合していることで注目に値する、ハイブリッド量子古典ビジョントランスフォーマーアーキテクチャを導入します。
この研究は、今後の高輝度大型ハドロン衝突型加速器からのデータを分析する際の計算効率とリソース制約という重大な課題に対処し、潜在的なソリューションとしてのアーキテクチャを示しています。
特に、CMS オープンデータからのマルチ検出器ジェット画像にモデルを適用することにより、方法を評価します。
目標は、クォークによって開始されるジェットとグルーオンによって開始されるジェットを区別することです。
私たちは量子モデルのトレーニングと数値シミュレーションによる評価に成功しました。
このアプローチを使用すると、同数のパラメーターを考慮した場合、完全に古典的なアーキテクチャで得られる分類パフォーマンスとほぼ同等の分類パフォーマンスを達成できます。

要約(オリジナル)

We introduce a hybrid quantum-classical vision transformer architecture, notable for its integration of variational quantum circuits within both the attention mechanism and the multi-layer perceptrons. The research addresses the critical challenge of computational efficiency and resource constraints in analyzing data from the upcoming High Luminosity Large Hadron Collider, presenting the architecture as a potential solution. In particular, we evaluate our method by applying the model to multi-detector jet images from CMS Open Data. The goal is to distinguish quark-initiated from gluon-initiated jets. We successfully train the quantum model and evaluate it via numerical simulations. Using this approach, we achieve classification performance almost on par with the one obtained with the completely classical architecture, considering a similar number of parameters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google