Fugu-MT 論文翻訳(概要): Parametric Probabilistic Quantum Memory

論文の概要: Parametric Probabilistic Quantum Memory

arxiv url: http://arxiv.org/abs/2001.04798v1
Date: Sat, 11 Jan 2020 11:41:05 GMT
ステータス: 処理完了
システム内更新日: 2023-01-12 09:26:36.454322
Title: Parametric Probabilistic Quantum Memory
Title（参考訳）: パラメトリック確率的量子メモリ
Authors: Rodrigo S. Sousa, Priscila G.M. dos Santos, Tiago M.L. Veras, Wilson R. de Oliveira and Adenilton J. da Silva
Abstract要約: 確率量子メモリ(Probabilistic Quantum Memory, PQM)は、メモリ上の重畳に格納されたバイナリパターンからの距離を計算するデータ構造である。本研究では,パターン分類を行うためのPQMのパラメトリックバージョンを提案する。また、ノイズ中間スケール量子(NISQ)コンピュータに適したPQM量子回路を提案する。
参考スコア（独自算出の注目度）: 1.412197703754359
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Probabilistic Quantum Memory (PQM) is a data structure that computes the distance from a binary input to all binary patterns stored in superposition on the memory. This data structure allows the development of heuristics to speed up artificial neural networks architecture selection. In this work, we propose an improved parametric version of the PQM to perform pattern classification, and we also present a PQM quantum circuit suitable for Noisy Intermediate Scale Quantum (NISQ) computers. We present a classical evaluation of a parametric PQM network classifier on public benchmark datasets. We also perform experiments to verify the viability of PQM on a 5-qubit quantum computer.
Abstract（参考訳）: 確率量子メモリ (Probabilistic Quantum Memory, PQM) は、メモリ上の重ね合わせに格納された全てのバイナリパターンまでの距離を計算するデータ構造である。このデータ構造は、ニューラルネットワークアーキテクチャの選択を高速化するヒューリスティックの開発を可能にする。本研究では,パターン分類を行うためのPQMのパラメトリックバージョンを提案するとともに,ノイズ中間スケール量子(NISQ)コンピュータに適したPQM量子回路を提案する。本稿では,PQMネットワーク分類器のベンチマークデータを用いた古典的評価を行う。また,5量子ビット量子コンピュータ上でのPQMの実現可能性を検証する実験を行った。

関連論文リスト

Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文参考訳（メタデータ） (2024-11-13T23:56:20Z)
Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
Measurement-based quantum computation from Clifford quantum cellular automata [0.8702432681310401]
測定ベースの量子計算(MBQC)は、局所的な測定によって計算を駆動する量子計算のパラダイムである。 MBQCはクリフォード量子セルオートマトン(CQCA)に基づく量子計算モデルと関連していることを示す。
論文参考訳（メタデータ） (2023-12-20T16:54:05Z)
Predicting Expressibility of Parameterized Quantum Circuits using Graph Neural Network [5.444441239596186]
量子回路(PQC)の表現性を予測するためのグラフニューラルネットワーク(GNN)に基づく新しい手法を提案する。グラフに基づくPQC表現を活用することで、GNNベースのモデルは、回路パラメータと結果の表現性の間の複雑な関係をキャプチャする。 4千個のランダムPQCデータセットとIBM Qiskitのハードウェア効率の良いアンサッツセットの実験評価により、我々のアプローチの優れた性能を示す。
論文参考訳（メタデータ） (2023-09-13T14:08:01Z)
QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文参考訳（メタデータ） (2023-08-25T15:08:19Z)
A Model for Circuit Execution Runtime And Its Implications for Quantum Kernels At Practical Data Set Sizes [0.5906031288935515]
本稿では,量子回路に要する総回路実行時間に関するモデルを提案する。また、「回路の量子体積層の有効数」の概念も導入する。現在の量子コンピュータの速度で、我々のモデルはデータセットを数時間で処理できると予測している。
論文参考訳（メタデータ） (2023-07-11T02:38:22Z)
Evolutionary-based quantum architecture search [0.0]
本稿では,高い表現力と訓練能力のバランスをとるために,進化型量子アーキテクチャ探索(EQAS)手法を提案する。その結果,提案したEQASはパラメータ化の少ない最適なQCAを探索でき,より高い精度は3つのデータセットの分類タスクにEQASを適用して得られることがわかった。
論文参考訳（メタデータ） (2022-12-01T10:51:58Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文参考訳（メタデータ） (2022-07-14T12:22:51Z)
When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
論文参考訳（メタデータ） (2022-02-17T09:55:21Z)
Representation of binary classification trees with binary features by quantum circuits [0.0]
本稿では,確率論的アプローチに基づく二項分類木を量子的に表現する手法を提案する。我々は、量子コンピューティングシミュレータと実際のIBM量子ハードウェアの両方を用いて、我々のアプローチを実験的に研究した。
論文参考訳（メタデータ） (2021-08-30T13:02:00Z)

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。