論文の概要: Optimizing High-Efficiency Quantum Memory with Quantum Machine Learning
for Near-Term Quantum Devices
- arxiv url: http://arxiv.org/abs/2003.05244v1
- Date: Wed, 11 Mar 2020 12:01:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 11:09:07.295314
- Title: Optimizing High-Efficiency Quantum Memory with Quantum Machine Learning
for Near-Term Quantum Devices
- Title（参考訳）: 近接量子デバイスのための量子機械学習による高効率量子メモリの最適化
- Authors: Laszlo Gyongyosi, Sandor Imre
- Abstract要約: 我々は,HRE(High-retrieval-efficiency)量子メモリと呼ばれる,短期量子デバイスのための新しい量子メモリを定義する。
HRE量子メモリユニットは、読み出し手順の最適化のために、ハードウェアレベルでローカルユニタリ演算を統合する。
我々は、HRE量子メモリの読み出し手順が、入力量子システムや未知の量子レジスタの量子操作に関する情報なしで完全に盲目的に実現されていることを示す。
- 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: Quantum memories are a fundamental of any global-scale quantum Internet,
high-performance quantum networking and near-term quantum computers. A main
problem of quantum memories is the low retrieval efficiency of the quantum
systems from the quantum registers of the quantum memory. Here, we define a
novel quantum memory called high-retrieval-efficiency (HRE) quantum memory for
near-term quantum devices. An HRE quantum memory unit integrates local unitary
operations on its hardware level for the optimization of the readout procedure
and utilizes the advanced techniques of quantum machine learning. We define the
integrated unitary operations of an HRE quantum memory, prove the learning
procedure, and evaluate the achievable output signal-to-noise ratio values. We
prove that the local unitaries of an HRE quantum memory achieve the
optimization of the readout procedure in an unsupervised manner without the use
of any labeled data or training sequences. We show that the readout procedure
of an HRE quantum memory is realized in a completely blind manner without any
information about the input quantum system or about the unknown quantum
operation of the quantum register. We evaluate the retrieval efficiency of an
HRE quantum memory and the output SNR (signal-to-noise ratio). The results are
particularly convenient for gate-model quantum computers and the near-term
quantum devices of the quantum Internet.
- Abstract（参考訳）: 量子メモリは、グローバルスケールの量子インターネット、高性能量子ネットワーク、および短期量子コンピュータの基本である。
量子メモリの主な問題は、量子メモリの量子レジスタからの量子システムの低検索効率である。
ここでは、短期量子デバイスのための高リトライバル効率(hre)量子メモリと呼ばれる新しい量子メモリを定義する。
HRE量子メモリユニットは、読み出し手順の最適化のためにハードウェアレベルでローカルユニタリ演算を統合し、量子機械学習の高度な技術を利用する。
我々は、HRE量子メモリの統合ユニタリ演算を定義し、学習手順を証明し、達成可能な出力信号対雑音比値を評価する。
hre量子メモリの局所ユニタリがラベル付きデータやトレーニングシーケンスを使わずに教師なしの方法で読み出し手順の最適化を実現することを実証する。
我々は、HRE量子メモリの読み出し手順が、入力量子システムや未知の量子レジスタの量子操作に関する情報なしで完全に盲目的に実現されていることを示す。
我々は,HRE量子メモリと出力SNR(signal-to-noise ratio)の検索効率を評価する。
この結果は、ゲートモデル量子コンピュータおよび量子インターネットの短期量子デバイスにおいて特に有用である。
関連論文リスト
- QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Quantum Memory: A Missing Piece in Quantum Computing Units [23.256454991183702]
量子メモリデバイスの完全な設計スタックビューを提供する。
乱数アクセス量子メモリ(RAQM)と乱数アクセスメモリ(QRAM)の2種類の量子メモリデバイスについて概説する。
これらのデバイス上に構築された量子メモリユニットは、量子メモリユニットの構築、量子キャッシュ、量子バッファ、量子入出力モジュールのQRAMの使用など、コンピューティングアーキテクチャにおける量子メモリユニットである。
論文 参考訳（メタデータ） (2023-09-25T18:00:08Z) - 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) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z) - An Amplitude-Based Implementation of the Unit Step Function on a Quantum
Computer [0.0]
量子コンピュータ上での単位ステップ関数の形で非線形性を近似するための振幅に基づく実装を提案する。
より先進的な量子アルゴリズムに埋め込まれた場合、古典的コンピュータから直接入力を受ける2つの異なる回路タイプを量子状態として記述する。
論文 参考訳（メタデータ） (2022-06-07T07:14:12Z) - Quantum Error Mitigation via Quantum-Noise-Effect Circuit Groups [0.0]
短期量子コンピュータは、量子ノイズ効果に対して脆弱である。
従来の量子エラー訂正コードはそのようなデバイスには実装されていない。
量子計算誤差に対する量子誤差緩和(QEM)方式を提案する。
論文 参考訳（メタデータ） (2022-05-27T11:21:35Z) - Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。
提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
論文 参考訳（メタデータ） (2022-05-05T03:49:19Z) - Quantum Memristors with Quantum Computers [0.0]
本稿では,デジタル量子コンピュータ上でのメムリシティブ量子力学の符号化を提案する。
提案手法を32量子ビットのIBM量子シミュレータで数値的に検証する。
論文 参考訳（メタデータ） (2021-12-29T17:18:53Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Trainable Discrete Feature Embeddings for Variational Quantum Classifier [4.40450723619303]
我々は、QRAC(Quantum Random Access Coding)を用いて、より少ない量子ビットで離散的な特徴をマップする方法を示す。
QRACと最近提案された量子量学習(quantum metric learning)と呼ばれる量子特徴マップのトレーニング戦略を組み合わせることで、個別の特徴をトレーニング可能な量子回路に埋め込む新しい手法を提案する。
論文 参考訳（メタデータ） (2021-06-17T12:02:01Z) - 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)
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。