Centrala begrepp
ジェット識別のための新しい量子完全グラフニューラルネットワーク(QCGNN)は、古典的な対応物に比べて多項式の高速化を実現する。
Sammanfattning
高エネルギー物理学で広く使用されている機械学習、特に深層ニューラルネットワークが、さまざまなアプリケーションで顕著な結果を示しています。また、機械学習のコンセプトは、量子コンピュータにも拡張され、量子機械学習として知られる新しい研究領域が生まれました。この論文では、完全グラフを学習するために設計された新しい変分量子回路モデルである「Quantum Complete Graph Neural Network(QCGNN)」を提案しています。QCGNNは、古典的な対応物に比べて多項式の高速化を実現すると主張しています。この論文では、難解なジェット識別を通じてQCGNNの適用を調査し、古典的なグラフニューラルネットワークとの比較分析を行っています。
Statistik
QCGNNは古典的な対応物に比べてO(N)操作で平均相関関数を計算する。
QCGNNは重み付きグラフにも拡張可能。
IBM Quantumデバイス上でQCGNNの性能テストが行われた。
Citat
"We argue that QCGNN has a polynomial speedup against its classical counterpart, due to the property of quantum parallelism."
"The prediction power of MPGNN and QCGNN is comparable when the number of parameters is approximately the same."
"To demonstrate the feasibility of QCGNN in jet discrimination, section IV A shows that QCGNN is feasible and comparable to classical models with approximately the same number of parameters."