ResQNN: a proof-of-concept quantum generative model for fast calorimeter simulation of the ATLAS detector

Coluccia, Francesco (2026) ResQNN: a proof-of-concept quantum generative model for fast calorimeter simulation of the ATLAS detector. [Laurea], Università di Bologna, Corso di Studio in Fisica [L-DM270]
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Condividi allo stesso modo 4.0 (CC BY-NC-SA 4.0)

Download (16MB)

Abstract

Negli esperimenti di fisica delle alte energie le simulazioni Monte Carlo sono indispensabili per confrontare i dati con le previsioni teoriche. In ATLAS la simulazione del rivelatore assorbe circa il 40% delle risorse computazionali e la parte più onerosa sono i calorimetri. Con High-Luminosity LHC la richiesta di eventi simulati crescerà più rapidamente delle risorse di calcolo. Per far fronte a questa pressione computazionale ATLAS utilizza AtlFast3, uno strumento di simulazione veloce dei calorimetri che affianca Geant4. Parallelamente, si è iniziato a esplorare approcci ibridi classico-quantistici per capire se, quando le tecnologie quantistiche saranno più mature, sarà possibile sfruttarle per le simulazioni. In questo contesto viene presentato ResQNN, un modello generativo ibrido per la simulazione veloce dei calorimetri basato sul Quantum Reservoir Computing. ResQNN divide la generazione in due stadi: un modello delle energie, che genera l'energia depositata in ciascun layer, e un modello delle forme, che la distribuisce fra i voxel del layer. Il modello, sviluppato su un dataset open source di pioni carichi (CaloChallenge), è stato ampliato in questa tesi con nuove funzionalità. I test effettuati riguardano il modello delle energie. Tre funzioni costo sono state studiate: il caso dove si è aggiunta una funzione score basata sull'energia è stato il migliore. Inserire il rumore latente dopo il reservoir riduce molto il costo computazionale senza peggiorare la qualità degli eventi. Né più campioni nella funzione costo né un decoder più grande sembrano invece risolvere i limiti nella ripartizione dell'energia fra i layer e, rispetto a un gemello puramente classico, il reservoir quantistico non mostra un vantaggio significativo. I risultati infine suggeriscono quali parti del modello migliorare in futuro e quali test effettuare per capire se, e in quali condizioni, un reservoir quantistico possa contribuire alla simulazione dei calorimetri.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Coluccia, Francesco
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Quantum,Quantum generative model,Generative model,ATLAS,Simulazione,High energy physics,Fast simulation,Calorimetro,Calo Challenge,QNN,ResQNN,Reservoir computing
Data di discussione della Tesi
30 Ottobre 2026
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^