論文の概要: Quantum machine learning and quantum biomimetics: A perspective

• arxiv url: http://arxiv.org/abs/2004.12076v2
• Date: Sat, 30 May 2020 07:00:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 22:19:25.268806
• Title: Quantum machine learning and quantum biomimetics: A perspective
• Title（参考訳）: 量子機械学習と量子バイオミメティクス
• Authors: Lucas Lamata
• Abstract要約: 量子機械学習は、量子技術の中でエキサイティングで有望なパラダイムとして登場した。 本稿では,これらのトピックについて概観し,科学コミュニティが実施した関連研究について述べる。
• 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: Quantum machine learning has emerged as an exciting and promising paradigm inside quantum technologies. It may permit, on the one hand, to carry out more efficient machine learning calculations by means of quantum devices, while, on the other hand, to employ machine learning techniques to better control quantum systems. Inside quantum machine learning, quantum reinforcement learning aims at developing "intelligent" quantum agents that may interact with the outer world and adapt to it, with the strategy of achieving some final goal. Another paradigm inside quantum machine learning is that of quantum autoencoders, which may allow one for employing fewer resources in a quantum device via a training process. Moreover, the field of quantum biomimetics aims at establishing analogies between biological and quantum systems, to look for previously inadvertent connections that may enable useful applications. Two recent examples are the concepts of quantum artificial life, as well as of quantum memristors. In this Perspective, we give an overview of these topics, describing the related research carried out by the scientific community.
• Abstract（参考訳）: 量子機械学習は、量子技術の中でエキサイティングで有望なパラダイムとして登場した。 一方、量子デバイスによってより効率的な機械学習計算を行うことができ、一方、量子システムをよりよく制御するために機械学習技術を使用することができる。 量子機械学習の内部では、量子強化学習(quantum reinforcement learning)は、外界と相互作用し、それに対応する「インテリジェント」量子エージェントを開発することを目的としている。 量子機械学習におけるもうひとつのパラダイムは、量子オートエンコーダ(quantum autoencoder)である。 さらに、量子バイオミメティクスの分野は、生物学的システムと量子システムの間の類似性を確立し、有用な応用を可能にする以前の不注意接続を探すことを目的としている。 最近の2つの例は、量子人工生命の概念と量子メムリスタの概念である。 本稿では,これらのトピックについて概観し,科学コミュニティが実施した関連研究について述べる。

関連論文リスト

• Digital-Analog Quantum Machine Learning [0.0]
  機械学習アルゴリズムは、ますます多くのシステム、アプリケーション、技術、製品で広く使われている。 データの量の増加は 古典的な装置に困難をもたらします 量子システムは、特定のコンテキストにおける機械学習計算のスケールアップを可能にする方法を提供するかもしれない。
  論文  参考訳（メタデータ） (2024-11-16T08:54:52Z)
• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• Quantum Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
  オープン量子系の基本理論の簡潔な要約を提供する。 次に、最近の量子アルゴリズムに関する議論を掘り下げる。 我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
  論文  参考訳（メタデータ） (2024-06-07T19:02:22Z)
• 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)
• Quantum Machine Learning Implementations: Proposals and Experiments [0.0]
  この記事では、量子強化学習、量子オートエンコーダ、量子メムリスタなど、特定の高インパクトトピックについてレビューする。 量子機械学習の分野は、産業や社会にとって有益な結果を生み出す最初の量子技術の一つかもしれない。
  論文  参考訳（メタデータ） (2023-03-11T01:02:16Z)
• 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)
• 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)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• 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)
• Quantum reservoir computing: a reservoir approach toward quantum machine learning on near-term quantum devices [0.8206877486958002]
  量子貯水池コンピューティング(Quantum reservoir computing)は、時間的機械学習のように、量子システム上で複雑でリッチなダイナミクスを使用するアプローチである。 これらの量子機械学習アプローチはすべて、実験的に実現可能であり、最先端の量子デバイスに有効である。
  論文  参考訳（メタデータ） (2020-11-10T04:45:52Z)

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。