用于蒙特卡洛事件的基于风格的量子生成对抗网络
量子物理
2022-08-17 v2 机器学习
高能物理 - 唯象学
摘要
我们提出并评估了一种替代的量子生成器架构，用于蒙特卡洛事件生成的生成对抗学习，以模拟大型强子对撞机（LHC）上的粒子物理过程。我们通过将该量子网络应用于已知底层分布生成的人工数据来验证此方法。随后将该网络应用于特定 LHC 散射过程的蒙特卡洛生成数据集。这种新的量子生成器架构推广了最先进的实现，即便使用浅层网络也能取得更小的 Kullback-Leibler 散度。此外，即便以较小训练样本集训练，量子生成器也能成功学习底层分布函数；这一点对数据增强应用尤为有趣。我们将这一新方法部署于两种不同量子硬件架构——囚禁离子与超导技术——以检验其硬件无关的可用性。
引用
@article{arxiv.2110.06933,
title = {Style-based quantum generative adversarial networks for Monte Carlo events},
author = {Carlos Bravo-Prieto and Julien Baglio and Marco Cè and Anthony Francis and Dorota M. Grabowska and Stefano Carrazza},
journal= {arXiv preprint arXiv:2110.06933},
year = {2022}
}
备注
15 pages, 10 figures, accepted in Quantum, code available in https://github.com/QTI-TH/style-qgan