شناسایی بوزون هیگز با استفاده از طبقه بندی کننده های کوانتومی

کشف بوزون هیگز به دلیل اهمیت آن در تحقیقات فیزیک مدرن قابل توجه است. گام بعدی برای فیزیکدانان کشف اطلاعات بیشتر در مورد بوزون هیگز از داده های برخورد دهنده بزرگ هادرون (LHC) است. یک کار اساسی و چالش برانگیز استخراج سیگنال بوزون هیگز از نویزهای پس زمینه است. ما دو مدل طبقه بندی کننده کوانتومی را برای مساله طبقه بندی ttH توسعه داده ایم، که هر دوی آنها در دسته الگوریتم های ترکیبی کلاسیک کوانتومی برای دستگاه های کوانتومی مقیاس متوسط نویز(NISQ)قرار می گیرند. نتایج ما همراه با سایر مطالعات دیگر، به عنوان اثبات این مفهوم عمل می کنند که روش های یادگیری ماشین کوانتومی(QML) می توانند عملکرد مشابه یا بهتری داشته باشند. برای استفاده از الگوریتمی با تعداد کمی کیوبیت و همچنین تطبیق با محدودیت ها در سخت افزار شبیه سازی و سخت افزار کوانتومی واقعی روش های مختلف کاهش ویژگی را مورد بررسی قرار دادیم. تاثیر آنها بر عملکرد هر دو مدل کلاسیک و کوانتومی مورد ارزیابی قرار گرفته. و همچنین پیاده سازی های مختلف دو مدل QML، نماینده دو رویکرد اصلی برای یادگیری ماشین کوانتومی نظارت شده امروز را مورد بررسی قرار دادیم: یک بردار پشتیبان کوانتوم ماشین (QSVM)، یک روش مبتنی بر هسته، و یک مدار کوانتومی متغیر (VQC)، یک رویکرد متغییر گونه را برسی خواهیم کرد.

کلیدواژه ها:

فیزیک ذرات ، ماشین کوانتومی ، طبقه بندی کننده کوانتومی ، بوزون هیگز