用于高能物理异常检测的量子生成对抗网络
量子物理
2023-12-08 v2 高能物理 - 实验
摘要
粒子物理的标准模型（SM）是描述自然基本力的理论范式。尽管其具有广泛的适用性，SM 仍无法描述所有物理上可能的事件。对 SM 无法描述的事件（通常称为异常事件）的检测，以及相关奇异物理现象的潜在发现，是一项非平凡的任务。随着下一代对撞机将产生更多具有更高复杂度的事件，这一挑战变得更加严峻。数据复杂度的增加促使人们寻找不需要底层模型先验知识的无监督异常检测方法。在本工作中，我们开发了这样一种技术。更明确地说，我们采用量子生成对抗网络来识别异常事件。该方法从 SM 数据中学习背景分布，然后判断给定事件是否具有所学背景分布的特征。所提出的量子驱动异常检测策略在原理验证示例上通过数值模拟和 IBM Quantum 处理器进行了测试。我们发现，使用少十倍训练数据样本的量子生成技术，在引力子与希格斯粒子检测中可达到与经典对应方法相当的精度。此外，我们经验性地计算了量子模型的容量，并观察到其相比于经典对应方法具有更高的表达能力。
引用
@article{arxiv.2304.14439,
title = {Quantum Generative Adversarial Networks For Anomaly Detection In High Energy Physics},
author = {Elie Bermot and Christa Zoufal and Michele Grossi and Julian Schuhmacher and Francesco Tacchino and Sofia Vallecorsa and Ivano Tavernelli},
journal= {arXiv preprint arXiv:2304.14439},
year = {2023}
}
备注
For updated final version, see proceedings of the 2023 IEEE International Conference on Quantum Computing and Engineering (QCE), vol 01, pages 331-341