利用量子自编码器在高能物理中进行异常检测
高能物理 - 唯象学
2022-05-20 v3 量子物理
摘要
大型强子对撞机上缺乏新相互作用和粒子的证据，已促使高能物理界探索与模型无关的数据分析方法来搜寻新物理。自编码器是基于人工神经网络的无监督机器学习模型，能够学习背景分布。我们针对 LHC 上的异常检测问题，研究基于变分量子线路的量子自编码器。对于 QCD 背景与共振重 Higgs 信号，我们发现简单的量子自编码器在相同输入下优于经典自编码器，并且训练非常高效。此外，该性能在现有量子设备上可复现。这表明量子自编码器是未来 LHC 运行分析中高能物理数据的良好候选者。
引用
@article{arxiv.2112.04958,
title = {Anomaly detection in high-energy physics using a quantum autoencoder},
author = {Vishal S. Ngairangbam and Michael Spannowsky and Michihisa Takeuchi},
journal= {arXiv preprint arXiv:2112.04958},
year = {2022}
}
备注
Added three appendices and result for an additional benchmark scenario. Previous results are unchanged