A comparative study of variational quantum classifiers and classical machine learning for discrimination at the LHC
Diese Studie vergleicht die Leistungsfähigkeit von Variational Quantum Classifiers mit klassischen Boosted Decision Trees und Multi-Layer Perceptrons bei der Unterscheidung des -Signals vom -Hintergrund in LHC Run-2-Daten und identifiziert spezifische Analysebereiche, in denen quanteninspirierte Modelle wettbewerbsfähige Diskriminierungsfähigkeiten bieten.