李等价量量子图神经网络
量子物理
2024-11-26 v1 机器学习
高能物理 - 实验
高能物理 - 唯象学
摘要
在大型强子对撞机（LHC）中发现新现象涉及在常规背景信号中识别稀有信号。因此，二元分类任务在分析大量LHC数据的分析中屡见不鲜。我们发展了李等价量子图神经网络（Lie-EQGNN），这是一种数据高效且具有对称性保持特性的量子模型。由于已显示Lorentz 群等价性对喷流标记有益处，我们构建了一个Lorentz等价量子图神经网络用于夸克-夸克喷流区分，展示其性能与其经典最先进对应物LorentzNet持平，因而是传统计算范式的可行替代方案。
引用
@article{arxiv.2411.15315,
title = {Lie-Equivariant Quantum Graph Neural Networks},
author = {Jogi Suda Neto and Roy T. Forestano and Sergei Gleyzer and Kyoungchul Kong and Konstantin T. Matchev and Katia Matcheva},
journal= {arXiv preprint arXiv:2411.15315},
year = {2024}
}
备注
10 pages, 5 figures, accepted to the Machine Learning with New Compute Paradigms (MLNCP) Workshop at NeurIPS 2024