論文の概要: Neural-network approach for identifying nonclassicality from click-counting data

• arxiv url: http://arxiv.org/abs/2003.01605v2
• Date: Thu, 14 May 2020 08:48:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 07:29:10.926310
• Title: Neural-network approach for identifying nonclassicality from click-counting data
• Title（参考訳）: クリックカウントデータから非古典性を特定するニューラルネットワークアプローチ
• Authors: Valentin Gebhart, Martin Bohmann
• Abstract要約: 記録された計測統計に基づいて,光の非古典的状態の同定のためのニューラルネットワーク手法を提案する。 特に、多重検出器で記録されたクリック統計に基づいて、古典的でない状態を認識できるネットワークを実装し、訓練する。
• 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: Machine-learning and neural-network approaches have gained huge attention in the context of quantum science and technology in recent years. One of the most essential tasks for the future development of quantum technologies is the verification of nonclassical resources. Here, we present an artificial neural network approach for the identification of nonclassical states of light based on recorded measurement statistics. In particular, we implement and train a network which is capable of recognizing nonclassical states based on the click statistics recorded with multiplexed detectors. We use simulated data for training and testing the network, and we show that it is capable of identifying some nonclassical states even if they were not used in the training phase. Especially, in the case of small sample sizes, our approach can be more sensitive in identifying nonclassicality than established criteria which suggests possible applications in presorting of experimental data and online applications.
• Abstract（参考訳）: 機械学習とニューラルネットワークのアプローチは、近年量子科学とテクノロジーの文脈で大きな注目を集めている。 量子技術の今後の発展に欠かせない課題の1つは、非古典的資源の検証である。 本稿では,記録された測定統計に基づく光非古典状態の同定のためのニューラルネットワーク手法を提案する。 特に,多重検出器で記録されたクリック統計に基づいて非古典的状態を認識可能なネットワークを実装し,学習する。 ネットワークのトレーニングとテストにはシミュレーションデータを使用し,訓練段階では使用していなかった場合でも,非古典的な状態を識別できることを示した。 特にサンプルサイズが小さい場合には,実験データやオンラインアプリケーションの事前ソートにおける応用可能性を示す,確立された基準よりも非古典性の識別に敏感である。

関連論文リスト

• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Neural Networks for Programming Quantum Annealers [6.531395267592592]
  量子機械学習は、古典的なコンピュータで難解な問題を解くなど、人工知能の進歩を可能にする可能性がある。 本研究では、古典的な完全分岐ニューラルネットワークを小さな量子アニールで接続する、類似しているが全く同じではない場合について考察する。 このシステムをシミュレートして、画像や音声認識など、いくつかの一般的なデータセットを学習する。
  論文  参考訳（メタデータ） (2023-08-13T16:43:07Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• 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)
• Initial Study into Application of Feature Density and Linguistically-backed Embedding to Improve Machine Learning-based Cyberbullying Detection [54.83707803301847]
  この研究は、自動サイバーバブル検出に関するKaggleコンペティションで提供されたFormspringデータセットで実施された。 本研究は,サイバブリング検出におけるニューラルネットワークの有効性と分類器性能と特徴密度の相関性を確認した。
  論文  参考訳（メタデータ） (2022-06-04T03:17:15Z)
• Flexible learning of quantum states with generative query neural networks [4.540894342435848]
  複数の量子状態にまたがる学習は、生成的クエリニューラルネットワークによって達成できることを示す。 我々のネットワークは、古典的にシミュレートされたデータでオフラインでトレーニングでき、後に未知の量子状態を実際の実験データから特徴づけるのに使うことができる。
  論文  参考訳（メタデータ） (2022-02-14T15:48:27Z)
• Quantum Self-Supervised Learning [22.953284192004034]
  対照的自己監督学習のための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。 ibmq_paris量子コンピュータ上の見えない画像を分類するために、最良の量子モデルを適用します。
  論文  参考訳（メタデータ） (2021-03-26T18:00:00Z)
• Identifying nonclassicality from experimental data using artificial neural networks [52.77024349608834]
  ニューラルネットワークをトレーニングして、古典的および非古典的状態とを、その二次的測定分布から分類する。 光の状態の異なる実実験的な二次データから古典的特徴や非古典的特徴を正確に識別できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T15:12:47Z)
• Identifying Learning Rules From Neural Network Observables [26.96375335939315]
  学習ルールの異なるクラスは、重み、アクティベーション、即時的な階層的活動変化の集計統計に基づいてのみ分離可能であることを示す。 本研究は, シナプス後活動の電気生理学的記録から得られる活性化パターンが, 学習規則の同定に有効であることを示すものである。
  論文  参考訳（メタデータ） (2020-10-22T14:36:54Z)

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。