Quantum Vision Transformers for Quark-Gluon Classification

我们介绍了一种混合量子-经典视觉转换器架构，其显著特点是在注意机制和多层感知器中集成了变分量子电路。该研究解决了从即将到来的高亮度大型强子对撞机分析数据时的计算效率和资源限制的关键挑战，将该架构作为一个潜在的解决方案。特别地，我们通过将该模型应用于CMS开放数据中的多探测器喷注图像来评估我们的方法。目标是区分由夸克引发和由胶子引发的喷注。我们成功地训练了量子模型，并通过数值模拟进行了评估。使用这种方法，我们实现了几乎与完全经典架构相当的分类性能，考虑到类似数量的参数。

本文试图解决计算效率和资源限制等问题，以应对未来高亮度大型强子对撞机的数据分析需求。具体而言，通过将量子电路嵌入到注意力机制和多层感知机中，提出了一种混合量子-经典视觉转换器架构，并将其应用于CMS开放数据中的多探测器喷注图像，以区分夸克引发的喷注和胶子引发的喷注。

本文提出了一种混合量子-经典视觉转换器架构，将量子电路嵌入到注意力机制和多层感知机中，以提高计算效率和资源利用率。

本文的实验结果表明，该混合量子-经典视觉转换器架构在与完全经典架构相比具有几乎相当的分类性能，且使用的参数数量相近。此外，本文使用了CMS开放数据集进行实验，并提供了开源代码，这为相关研究提供了一个良好的基础。

最近在这个领域中，还有一些相关的研究，如Quantum Machine Learning和Quantum Neural Networks等。