대형강입자가속기(LHC)는 3년간의 유지보수를 거쳐 2022년 봄에 재출시됐다.
양자 기계 학습 방법은 이미입자 물리학에서 사건을 분류하고 입자 궤도를 재구성하는 문제를 해결하는 데 사용되었지만 팀은 처음으로 강입자 제트의 전하를 식별하는 데 사용했습니다. 이를 위해 과학자들은 두 가지 다른 양자 체계를 기반으로 한 변형 양자 분류기를 개발했습니다.
물리학자들은 양자 시뮬레이터를 사용하여새로운 방법과 현재 사용되는 심층 신경망의 효과를 비교합니다. 양자회로는 여전히 성능이 약간 떨어지지만 그 차이는 크지 않은 것으로 밝혀졌다.
다양한 알고리즘의 성능제트의 횡방향 운동량에 따라 DNN - 전통적인 딥러닝, Angle Emb. 및 진폭 Amb. — 양자 회로. 이미지: Alessio Gianelle et al., Journal of High Energy Physics
동시에 양자를 이용한 새로운 방법네트워크는 더 적은 이벤트로 최적의 성능을 달성합니다. 이는 LHC에서 수신한 방대한 데이터 스트림을 처리하기 위한 리소스 사용을 줄이는 데 도움이 됩니다. 동시에 많은 수의 기능을 사용할 때 딥 머신 러닝은 여전히 양자 알고리즘을 능가합니다. 과학자들은 더 효율적인 양자 하드웨어를 사용할 수 있게 되면 이것이 바뀔 것이라고 믿습니다.
연구원들은 또한 양자알고리즘을 통해 함수 간의 상관 관계를 연구할 수 있습니다. 이것은 제트 구성 요소의 상관 관계에 대한 정보를 추출하는 데 필요합니다. 따라서 양자 분석은 강입자 제트의 풍미 식별을 향상시킬 것입니다.
지금까지 양자 머신 러닝 사용초기 단계에 있다고 저자들은 말합니다. 물리학자들이 양자 컴퓨팅에 대한 경험을 얻음에 따라 하드웨어 및 컴퓨팅 기술의 급격한 개선이 예상되어야 합니다.
더 읽어보기 :
곧 태양 폭풍이 지구를 강타할 것입니다. 물질은 800km / s의 속도로 날아갑니다.
과학자들은 꽃으로 착각한 촉수가 있는 이상한 생물을 촬영했습니다.
러시아가 ISS를 떠난다: 지금 무슨 일이 일어날 것이며 스테이션의 유지 보수가 위협받는 이유