論文の概要: Machine learning transfer efficiencies for noisy quantum walks
- arxiv url: http://arxiv.org/abs/2001.05472v2
- Date: Tue, 18 Feb 2020 10:39:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 05:38:38.129882
- Title: Machine learning transfer efficiencies for noisy quantum walks
- Title（参考訳）: ノイズ量子ウォークのための機械学習転送効率
- Authors: Alexey A. Melnikov and Leonid E. Fedichkin and Ray-Kuang Lee and
Alexander Alodjants
- Abstract要約: グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
- 参考スコア（独自算出の注目度）: 62.997667081978825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum effects are known to provide an advantage in particle transfer across
networks. In order to achieve this advantage, requirements on both a graph type
and a quantum system coherence must be found. Here we show that the process of
finding these requirements can be automated by learning from simulated
examples. The automation is done by using a convolutional neural network of a
particular type that learns to understand with which network and under which
coherence requirements quantum advantage is possible. Our machine learning
approach is applied to study noisy quantum walks on cycle graphs of different
sizes. We found that it is possible to predict the existence of quantum
advantage for the entire decoherence parameter range, even for graphs outside
of the training set. Our results are of importance for demonstration of
advantage in quantum experiments and pave the way towards automating scientific
research and discoveries.
- Abstract（参考訳）: 量子効果はネットワーク間の粒子移動において有利であることが知られている。
この利点を達成するためには、グラフタイプと量子システムコヒーレンスの両方に対する要件を見出さなければならない。
ここでは、シミュレーション例から学習することで、これらの要件を見つけるプロセスが自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の機械学習アプローチは、異なるサイズのサイクルグラフ上のノイズの多い量子ウォークの研究に応用されている。
その結果、トレーニングセット外のグラフであっても、デコヒーレンスパラメータの範囲全体に対する量子アドバンテージの存在を予測できることが判明した。
我々の結果は、量子実験の利点を実証するために重要であり、科学的研究と発見の自動化への道を開く。
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) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Exponential quantum advantages in learning quantum observables from classical data [1.9662978733004604]
我々は、古典的なデータから量子オブザーバブルを学習する物理的に関係のあるタスクに対して、量子上の利点を証明している。
我々の結果は、量子多体物理学の領域における機械学習問題に対する量子コンピュータの実用性に光を当てた。
論文 参考訳（メタデータ） (2024-05-03T11:58:43Z) - A Quick Introduction to Quantum Machine Learning for Non-Practitioners [0.0]
この論文では、重ね合わせ、位相空間、絡み合いなど、基本的な量子力学の原理を取り上げている。
また、人工知能、勾配降下、バックプロパゲーションといった古典的なディープラーニングの概念もレビューしている。
量子ニューラルネットワークの潜在的な利点を例に挙げる。
論文 参考訳（メタデータ） (2024-02-22T16:48:17Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - 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) - Efficient and quantum-adaptive machine learning with fermion neural
networks [8.537841858846082]
入力が初期層として組み込まれると、物理特性が出力として機能するフェルミオンニューラルネットワーク(FNN)を提案する。
我々は、FNNに挑戦する機械学習ベンチマークの競合性能を付与する効率的な最適化を確立する。
論文 参考訳（メタデータ） (2022-11-10T19:00:02Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z) - Expressibility and trainability of parameterized analog quantum systems
for machine learning applications [0.0]
システム内の外部駆動と障害の相互作用が、相互作用する量子システムのトレーニング可能性と表現可能性をどのように規定しているかを示す。
我々の研究は、量子多体物理学と機械学習への応用の基本的な関連性を示している。
論文 参考訳（メタデータ） (2020-05-22T14:59:42Z)
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。