Zephyr 量子辅助层次化 Calo4pQVAE 用于粒子-热量计相互作用
机器学习
2024-12-09 v1 人工智能
高能物理 - 唯象学
计算物理
量子物理
摘要
随着高亮度大型强子对撞机 (HL-LHC) 计划于本十年末启动粒子碰撞，传统碰撞模拟方法的计算需求正变得日益不可持续。依赖于对事件热量计中击中沉积建模的首原理蒙特卡罗模拟方法，预计年均需要数百万 CPU 年的计算资源——远超当前计算能力。此瓶颈为计算物理学的进步提供了令人振奋的机遇，通过将深度生成模型与量子模拟相结合。我们提出一种基于变分自编码器 (VAE) 的量子辅助层次化深度生成模型替代方案，其在模型潜在空间中嵌入一个能量条件受限玻尔茨曼机 (RBM)。通过将 D-Wave Zephyr 量子 annealer 的拓扑映射到 4 部分 RBM 的节点和耦合，我们利用量子模拟显著加速了喷发生成时间。为评估该框架，我们使用 CaloChallenge 2022 的数据集 2。通过将经典计算与量子模拟相集成，该混合框架为在深度生成模型中利用大规模量子模拟作为先验条件提供了可能。
引用
@article{arxiv.2412.04677,
title = {Zephyr quantum-assisted hierarchical Calo4pQVAE for particle-calorimeter interactions},
author = {Ian Lu and Hao Jia and Sebastian Gonzalez and Deniz Sogutlu and J. Quetzalcoatl Toledo-Marin and Sehmimul Hoque and Abhishek Abhishek and Colin Gay and Roger Melko and Eric Paquet and Geoffrey Fox and Maximilian Swiatlowski and Wojciech Fedorko},
journal= {arXiv preprint arXiv:2412.04677},
year = {2024}
}
备注
Neurips ML4PS 2024. 5 Figs, 8 pp