From Qubits to Couplings: A Hybrid Quantum Machine Learning Framework for LHC Physics
Este artigo propõe um framework de Aprendizado de Máquina Quântica Híbrido que integra circuitos quânticos parametrizados com redes neurais clássicas para aumentar significativamente a sensibilidade de buscas de bósons de Higgs duplo no canal no LHC, superando tanto modelos clássicos quanto puramente quânticos de última geração na restrição de seções de choque de produção e parâmetros de acoplamento.