Полная квантовая модель генеративно-состязательной сети для моделирования в физике высоких энергий

Перспектива квантовых вычислений с потенциальным экспоненциальным ускорением по сравнению с классическими вычислениями делает их многообещающим методом для альтернативных подходов к моделированию в физике высоких энергий (ФВЭ). Моделирование ФВЭ, например используемое на Большом адронном коллайдере в ЦЕРН, чрезвычайно сложное и требует огромных вычислительных ресурсов в аппаратуре и времени. Для некоторых задач моделирования ФВЭ уже были успешно разработаны и протестированы классические модели машинного обучения, что привело к ускорению на несколько порядков. В настоящем исследовании мы делаем следующий шаг и изучаем, может ли квантовые вычисления обеспечить достаточную точность и дальнейшие улучшения, что делает эту область захватывающим направлением для будущих исследований. На небольшом прототипе модели мы демонстрируем полную квантовую генеративно-состязательную сеть (GAN) для генерации уменьшенных изображений калориметрических ливней из восьми пикселей. Преимущество по сравнению с предыдущими квантовыми моделями заключается в том, что данная модель генерирует реальные индивидуальные изображения, содержащие значения энергии пикселей, а не простые распределения вероятностей, усреднённые по тестовой выборке. Для полноты картины результаты полной квантовой GAN-модели сравниваются с гибридными квантово-классическими моделями с использованием классической дискриминаторной нейронной сети.