論文の概要: Predicting human-generated bitstreams using classical and quantum models

• arxiv url: http://arxiv.org/abs/2004.04671v1
• Date: Thu, 9 Apr 2020 16:59:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 03:36:04.172030
• Title: Predicting human-generated bitstreams using classical and quantum models
• Title（参考訳）: 古典的および量子モデルを用いた人為的ビットストリームの予測
• Authors: Alex Bocharov, Michael Freedman, Eshan Kemp, Martin Roetteler, and Krysta M.Svore
• Abstract要約: 思考学派は、人間の意思決定は量子的な論理を表わすと主張している。 低幅,低深さ,パラメタライズド量子回路を用いて二分決定をエミュレートする。
• 参考スコア（独自算出の注目度）: 3.009407292418984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A school of thought contends that human decision making exhibits quantum-like logic. While it is not known whether the brain may indeed be driven by actual quantum mechanisms, some researchers suggest that the decision logic is phenomenologically non-classical. This paper develops and implements an empirical framework to explore this view. We emulate binary decision-making using low width, low depth, parameterized quantum circuits. Here, entanglement serves as a resource for pattern analysis in the context of a simple bit-prediction game. We evaluate a hybrid quantum-assisted machine learning strategy where quantum processing is used to detect correlations in the bitstreams while parameter updates and class inference are performed by classical post-processing of measurement results. Simulation results indicate that a family of two-qubit variational circuits is sufficient to achieve the same bit-prediction accuracy as the best traditional classical solution such as neural nets or logistic autoregression. Thus, short of establishing a provable "quantum advantage" in this simple scenario, we give evidence that the classical predictability analysis of a human-generated bitstream can be achieved by small quantum models.
• Abstract（参考訳）: ある思考学派は、人間の意思決定は量子的な論理を示すと主張している。 脳が実際に実際の量子機構によって駆動されるかどうかは不明であるが、ある研究者は決定論理が現象学的に非古典的であることを示唆している。 本稿では,この視点を探求するための実証的枠組みを開発し,実装する。 低幅,低深さ,パラメタライズド量子回路を用いて二分決定をエミュレートする。 ここで、エンタングルメントは単純なビット予測ゲームにおけるパターン分析のリソースとして機能する。 パラメータ更新とクラス推論を計測結果の古典的後処理によって行う間、ビットストリーム内の相関を検出するために量子処理を用いるハイブリッド量子支援機械学習戦略を評価する。 シミュレーションの結果,2量子変動回路の族は,ニューラルネットやロジスティック自己回帰のような古典的ソリューションと同じビット予測精度を実現するのに十分であることが示唆された。 したがって、この単純なシナリオで証明可能な「量子優位性」を確立できないため、人間の生成したビットストリームの古典的予測可能性解析が小さな量子モデルによって達成できることを示す。

関連論文リスト

• Quantum simulation of single-server Markovian queues: A dynamic amplification approach [1.2277343096128712]
  本研究では,シングルサーバマルコビアン(M/M/1)キューをシミュレーションする量子手法を提案する。 本稿では,待ち行列に適応し,シミュレーション効率を向上する動的増幅手法を提案する。 我々の量子法は、特に高速なシナリオにおいて、古典的なシミュレーションよりも潜在的に有利であることを示す。
  論文  参考訳（メタデータ） (2024-10-10T15:55:17Z)
• 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)
• Synergy between noisy quantum computers and scalable classical deep learning [0.4999814847776097]
  雑音量子コンピュータの計算能力と古典的スケーラブル畳み込みニューラルネットワーク(CNN)の組み合わせの可能性について検討する。 目標は、量子イジングモデルのトロッター分解力学を表すパラメータ化量子回路の正確な期待値を正確に予測することである。 量子情報のおかげで、古典的な記述子のみに基づく教師あり学習が失敗しても、私たちのCNNは成功します。
  論文  参考訳（メタデータ） (2024-04-11T14:47:18Z)
• 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)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Classical surrogates for quantum learning models [0.7734726150561088]
  本稿では,訓練された量子学習モデルから効率的に得られる古典的モデルである古典的サロゲートの概念を紹介する。 我々は、よく解析された再アップロードモデルの大規模なクラスが古典的なサロゲートを持つことを示す。
  論文  参考訳（メタデータ） (2022-06-23T14:37:02Z)
• Quantum variational learning for entanglement witnessing [0.0]
  この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。 我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。 我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
  論文  参考訳（メタデータ） (2022-05-20T20:14:28Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Mutual Reinforcement between Neural Networks and Quantum Physics [0.0]
  量子機械学習は、量子力学と機械学習の共生から生まれる。 古典的な機械学習を量子物理学問題に適用するためのツールとして使う。 量子パーセプトロンの力学に基づく量子ニューラルネットワークの設計と、短絡の断熱への応用は、短時間の動作時間と堅牢な性能をもたらす。
  論文  参考訳（メタデータ） (2021-05-27T16:20:50Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)

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。