PulseAugur
中
实时 14:41:22
English(EN) Compton Form Factor Extraction using Quantum Deep Neural Networks

量子深度神经网络在粒子物理数据分析方面展现出潜力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了受量子启发的深度神经网络（QDNNs），用于从实验数据中提取康普顿形变因子（CFFs）。这些QDNNs被应用于托马斯·杰斐逊国家加速器设施（JLab）的数据，使用了扭度2的Belitsky-Kirchner-Müller形式。通过使用伪数据与经典深度神经网络（CDNNs）进行基准测试，结果表明QDNNs实现了更高的预测准确性和更紧的置信区间。 AI

影响 受量子启发的神经网络在提高复杂物理数据分析的准确性方面展现出潜力，可能影响未来的研究方法。

排序理由 这是一篇研究论文，详细介绍了受量子启发的深度神经网络在提取特定物理数据方面的新应用。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

量子深度神经网络在粒子物理数据分析方面展现出潜力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Brandon B. Le, Dustin Keller ·

    Compton Form Factor Extraction using Quantum Deep Neural Networks

    arXiv:2504.15458v4 Announce Type: replace Abstract: We extract Compton form factors (CFFs) from deeply virtual Compton scattering measurements at the Thomas Jefferson National Accelerator Facility (JLab) using quantum-inspired deep neural networks (QDNNs). The analysis implements…

相关话题