論文の概要: Quantum implementation of an artificial feed-forward neural network
- arxiv url: http://arxiv.org/abs/1912.12486v1
- Date: Sat, 28 Dec 2019 16:49:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 13:03:47.722378
- Title: Quantum implementation of an artificial feed-forward neural network
- Title（参考訳）: 人工フィードフォワードニューラルネットワークの量子化
- Authors: Francesco Tacchino, Panagiotis Barkoutsos, Chiara Macchiavello, Ivano
Tavernelli, Dario Gerace and Daniele Bajoni
- Abstract要約: 本研究では,最先端の超伝導量子プロセッサ上に実装された人工フィードフォワードニューラルネットワークを実験的に実現した。
このネットワークは量子人工ニューロンで構成されており、記憶容量の潜在的な利点を個別に示す。
このネットワークは、古典的な制御か、完全に一貫性のある方法で等価に動作可能であることを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence algorithms largely build on multi-layered neural
networks. Coping with their increasing complexity and memory requirements calls
for a paradigmatic change in the way these powerful algorithms are run. Quantum
computing promises to solve certain tasks much more efficiently than any
classical computing machine, and actual quantum processors are now becoming
available through cloud access to perform experiments and testing also outside
of research labs.
Here we show in practice an experimental realization of an artificial
feed-forward neural network implemented on a state-of-art superconducting
quantum processor using up to 7 active qubits. The network is made of quantum
artificial neurons, which individually display a potential advantage in storage
capacity with respect to their classical counterpart, and it is able to carry
out an elementary classification task which would be impossible to achieve with
a single node. We demonstrate that this network can be equivalently operated
either via classical control or in a completely coherent fashion, thus opening
the way to hybrid as well as fully quantum solutions for artificial
intelligence to be run on near-term intermediate-scale quantum hardware.
- Abstract（参考訳）: 人工知能アルゴリズムは、主に多層ニューラルネットワーク上に構築される。
複雑さとメモリ要件の増加に対処するためには、これらの強力なアルゴリズムの実行方法のパラダイム的な変更が必要だ。
量子コンピューティングは、従来のコンピュータよりもはるかに効率的にタスクを解くことを約束しており、実際の量子プロセッサは、クラウドアクセスを通じて実験や実験を研究室の外で行うことができるようになっている。
本稿では,最大7個のアクティブ量子ビットを用いた最先端超伝導量子プロセッサに実装した人工フィードフォワードニューラルネットワークを実験的に実現することを示す。
このネットワークは量子人工ニューロンで構成されており、従来のニューロンと比較して記憶能力の潜在的な利点を個別に示し、単一のノードで達成できない基本的な分類タスクを実行することができる。
我々は、このネットワークを古典的制御または完全にコヒーレントな方法で等価に操作できることを実証する。これにより、人工知能が短期的中間スケールの量子ハードウェア上で動作するための完全な量子解だけでなく、ハイブリッドへの道を開くことができる。
関連論文リスト
- Preparing Schrödinger cat states in a microwave cavity using a neural network [0.0]
量子状態全体に対して最適化された制御パルスを出力するようにニューラルネットワークに教えることが可能であることを示す。
結果は、ディープニューラルネットワークとトランスファーラーニングが、様々な量子制御タスクに対する効率的な同時解をいかに生み出すかを示す。
論文 参考訳（メタデータ） (2024-09-09T12:28:02Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Quantum Neural Network for Quantum Neural Computing [0.0]
本稿では,量子ニューラルネットワークのための新しい量子ニューラルネットワークモデルを提案する。
我々のモデルは、状態空間のサイズがニューロンの数とともに指数関数的に大きくなるという問題を回避している。
我々は手書き文字認識や他の非線形分類タスクのモデルをベンチマークする。
論文 参考訳（メタデータ） (2023-05-15T11:16:47Z) - A Hybrid Quantum-Classical Neural Network Architecture for Binary
Classification [0.0]
本稿では,各ニューロンが変動量子回路であるハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。
シミュレーションハードウェアでは、ハイブリッドニューラルネットワークは、個々の変動量子回路よりも約10%高い分類精度とコストの20%の最小化を実現している。
論文 参考訳（メタデータ） (2022-01-05T21:06:30Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。
トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。
問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
論文 参考訳（メタデータ） (2021-07-05T03:20:54Z) - QFCNN: Quantum Fourier Convolutional Neural Network [4.344289435743451]
量子フーリエ畳み込みネットワーク(Quantum Fourier Convolutional Network, QFCN)というハイブリッド量子古典回路を提案する。
提案モデルは,古典的CNNと比較して指数的な高速化を実現し,既存の量子CNNの最良の結果よりも向上する。
交通予測や画像分類など,さまざまなディープラーニングタスクに適用することで,このアーキテクチャの可能性を示す。
論文 参考訳（メタデータ） (2021-06-19T04:37:39Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳（メタデータ） (2021-03-08T17:24:29Z) - Quantum Deformed Neural Networks [83.71196337378022]
我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。
入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
論文 参考訳（メタデータ） (2020-10-21T09:46:12Z) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳（メタデータ） (2020-10-13T06:57:17Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。