arXiv · quant-ph· Hala Elhag, Tobias Hartung, Karl Jansen, Lento Nagano, Giorgio Menicagli Pirina, Alice Di Tucci·· 2 天前
量子卷积神经网络用于顶夸克喷注图像分类
Quantum convolutional neural networks for jet images classification
arXiv:2408.08701v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hala Elhag, Tobias Hartung, Karl Jansen, Lento Nagano, Giorgio Menicagli Pirina, Alice Di Tucci
研究任务与主要进展
论文使用量子卷积神经网络（QCNN）完成高能物理中的顶夸克标记，并在经典无噪声模拟器上与卷积神经网络（CNN）比较。结果显示，适当配置且参数较少的QCNN往往优于对应CNN；按维度表达能力分析（DEA）调整高参数电路后，DEA电路也取得了优于可比经典CNN的结果。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org