Anomaly detection in high-energy physics using a quantum autoencoder
Anomaly detection in high-energy physics using a quantum autoencoder
复制标题
使用量子自动编码器进行高能物理异常检测
DOI：
10.1103/physrevd.105.095004
复制
发表时间：
2022
影响因子：
5
通讯作者：
Takeuchi Michihisa
中科院分区：
文献类型：
--
作者：
Ngairangbam Vishal S.;Spannowsky Michael;Takeuchi Michihisa
大型强子对撞机(LHC)缺乏新的相互作用和粒子的证据，促使高能物理界探索与模型无关的数据分析方法，以寻找新的物理。自动编码器是基于人工神经网络的无监督机器学习模型，能够学习背景分布。针对大型强子对撞机的异常检测问题，我们研究了基于变分量子电路的量子自动编码器。对于QCD背景和共振的重希格斯信号，我们发现对于相同的输入，简单的量子自动编码器的性能优于经典的自动编码器，并且训练效率非常高。此外，这种性能在目前的量子设备上是可以重现的。这表明量子自动编码器是未来大型强子对撞机运行中分析高能物理数据的很好候选者。
The lack of evidence for new interactions and particles at the Large Hadron Collider (LHC) has motivated the high-energy physics community to explore model-agnostic data-analysis approaches to search for new physics. Autoencoders are unsupervised machine learning models based on artificial neural networks, capable of learning background distributions. We study quantum autoencoders based on variational quantum circuits for the problem of anomaly detection at the LHC. For a QCDbackground and resonant heavy-Higgs signals, we find that a simple quantum autoencoder outperforms classical autoencoders for the same inputs and trains very efficiently. Moreover, this performance is reproducible on present quantum devices. This shows that quantum autoencoders are good candidates for analysing high-energy physics data in future LHC runs.
登录
查看更多内容
影响因子：
8.6
作者：
M. Czakon;P. Fiedler;A. Mitov
通讯作者：
M. Czakon;P. Fiedler;A. Mitov
K. Kikunaga 1)、T. Yamamoto 1)、K. Takeshita 1)、K. Oki 1)、T. Okuda 1)、K. Obara 1)、K. Tokiwa 2)、H. Wakamatsu 2)、T.
DOI：
--
发表时间：
2006
期刊：
Journal of physics 43
影响因子：
--
作者：
K.Kikunaga;T.Yamamoto;K.Takeshita;K.Ohki;T.Okuda;K.Obara;K.Tokiwa;H.Wakamatsu;T.Watanabe;N.Kikuchi;Y.Tanaka;N.Terada
通讯作者：
N.Terada
DOI：
10.1088/1361-6471/ac1391
发表时间：
2020-12
期刊：
Journal of Physics G: Nuclear and Particle Physics
影响因子：
--
作者：
S. Wu;J. Chan;W. Guan;Shaojun Sun;A. Wang;Chengda Zhou;M. Livny;F. Carminati;A. D. Meglio;A. Li;J. Lykken;P. Spentzouris;Samuel Yen-Chi Chen;Shinjae Yoo;T. Wei
通讯作者：
S. Wu;J. Chan;W. Guan;Shaojun Sun;A. Wang;Chengda Zhou;M. Livny;F. Carminati;A. D. Meglio;A. Li;J. Lykken;P. Spentzouris;Samuel Yen-Chi Chen;Shinjae Yoo;T. Wei
影响因子：
6.4
作者：
Preskill, John
通讯作者：
Preskill, John
用于粒子物理异常检测的深度集自动编码器
影响因子：
5.5
作者：
Ostdiek, Bryan
通讯作者：
Ostdiek, Bryan