Characterization and upgrade of a quantum graph neural network for charged particle tracking
Cet article présente la caractérisation et l'amélioration d'une architecture hybride de réseau de neurones graphiques quantiques (QGNN) destinée à reconstruire les trajectoires de particules chargées dans les futures expériences du LHC à haute luminosité, en démontrant une convergence d'entraînement accrue grâce à l'intercalage de circuits quantiques paramétrés et de réseaux classiques.