論文の概要: TensorFlow Quantum: A Software Framework for Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2003.02989v2
• Date: Thu, 26 Aug 2021 18:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 01:56:11.816954
• Title: TensorFlow Quantum: A Software Framework for Quantum Machine Learning
• Title（参考訳）: TensorFlow Quantum: 量子機械学習のためのソフトウェアフレームワーク
• Authors: Michael Broughton, Guillaume Verdon, Trevor McCourt, Antonio J. Martinez, Jae Hyeon Yoo, Sergei V. Isakov, Philip Massey, Ramin Halavati, Murphy Yuezhen Niu, Alexander Zlokapa, Evan Peters, Owen Lockwood, Andrea Skolik, Sofiene Jerbi, Vedran Dunjko, Martin Leib, Michael Streif, David Von Dollen, Hongxiang Chen, Shuxiang Cao, Roeland Wiersema, Hsin-Yuan Huang, Jarrod R. McClean, Ryan Babbush, Sergio Boixo, Dave Bacon, Alan K. Ho, Hartmut Neven, and Masoud Mohseni
• Abstract要約: 本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。 本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
• 参考スコア（独自算出の注目度）: 36.75544801185366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce TensorFlow Quantum (TFQ), an open source library for the rapid prototyping of hybrid quantum-classical models for classical or quantum data. This framework offers high-level abstractions for the design and training of both discriminative and generative quantum models under TensorFlow and supports high-performance quantum circuit simulators. We provide an overview of the software architecture and building blocks through several examples and review the theory of hybrid quantum-classical neural networks. We illustrate TFQ functionalities via several basic applications including supervised learning for quantum classification, quantum control, simulating noisy quantum circuits, and quantum approximate optimization. Moreover, we demonstrate how one can apply TFQ to tackle advanced quantum learning tasks including meta-learning, layerwise learning, Hamiltonian learning, sampling thermal states, variational quantum eigensolvers, classification of quantum phase transitions, generative adversarial networks, and reinforcement learning. We hope this framework provides the necessary tools for the quantum computing and machine learning research communities to explore models of both natural and artificial quantum systems, and ultimately discover new quantum algorithms which could potentially yield a quantum advantage.
• Abstract（参考訳）: TensorFlow Quantum(TFQ)は、古典データや量子データのためのハイブリッド量子古典モデルの高速なプロトタイピングのためのオープンソースライブラリである。 このフレームワークはtensorflowの下で識別と生成の両方の量子モデルの設計とトレーニングのためのハイレベルな抽象化を提供し、高性能な量子回路シミュレータをサポートする。 ソフトウェアアーキテクチャとビルディングブロックの概要をいくつかの例を通して紹介し、ハイブリッド量子古典型ニューラルネットワークの理論を概観する。 本稿では,量子分類の教師付き学習,量子制御,雑音量子回路のシミュレーション,量子近似最適化など,いくつかの基本的な応用を通してtfq機能を説明する。 さらに,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を示す。 このフレームワークが、量子コンピューティングと機械学習の研究コミュニティに、自然と人工の量子システムのモデルを調査するために必要なツールを提供し、最終的には量子の優位性をもたらす可能性のある新しい量子アルゴリズムを発見することを願っている。

関連論文リスト

• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• 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)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
  量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。 この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
  論文  参考訳（メタデータ） (2022-05-11T12:10:52Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• MISTIQS: An open-source software for performing quantum dynamics simulations on quantum computers [1.3192560874022086]
  MISTIQSは、時間依存のハイゼンベルク・ハミルトニアンによって支配されるシステムの量子多体力学をシミュレートするためのエンドツーエンド機能を提供する。 量子回路の中間表現を生成するための高レベルプログラミング機能を提供する。
  論文  参考訳（メタデータ） (2021-01-05T22:37:01Z)

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。