論文の概要: Complex Amplitude-Phase Boltzmann Machines

• arxiv url: http://arxiv.org/abs/2005.01862v1
• Date: Mon, 4 May 2020 21:44:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 23:54:59.242393
• Title: Complex Amplitude-Phase Boltzmann Machines
• Title（参考訳）: 複素振幅位相ボルツマン機械
• Authors: Zengyi Li, Friedrich T. Sommer
• Abstract要約: ボルツマンマシンの枠組みを可変振幅の複素数値ニューロンのネットワークに拡張する。 このモデルは、複雑なデータの振幅と相対位相分布について教師なし学習を行うことができる。
• 参考スコア（独自算出の注目度）: 0.799536002595393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We extend the framework of Boltzmann machines to a network of complex-valued neurons with variable amplitudes, referred to as Complex Amplitude-Phase Boltzmann machine (CAP-BM). The model is capable of performing unsupervised learning on the amplitude and relative phase distribution in complex data. The sampling rule of the Gibbs distribution and the learning rules of the model are presented. Learning in a Complex Amplitude-Phase restricted Boltzmann machine (CAP-RBM) is demonstrated on synthetic complex-valued images, and handwritten MNIST digits transformed by a complex wavelet transform. Specifically, we show the necessity of a new amplitude-amplitude coupling term in our model. The proposed model is potentially valuable for machine learning tasks involving complex-valued data with amplitude variation, and for developing algorithms for novel computation hardware, such as coupled oscillators and neuromorphic hardware, on which Boltzmann sampling can be executed in the complex domain.
• Abstract（参考訳）: 我々はボルツマンマシンの枠組みを、複雑な振幅を持つニューロンのネットワークに拡張し、複素振幅-位相ボルツマンマシン(CAP-BM)と呼ぶ。 このモデルは複雑なデータの振幅と相対位相分布について教師なし学習を行うことができる。 ギブス分布のサンプリング規則とモデルの学習規則を示す。 複素振幅-位相制限ボルツマンマシン(CAP-RBM)における学習は、合成複素数値画像と複素ウェーブレット変換で変換された手書きMNIST桁で実証される。 具体的には,新しい振幅振幅-振幅結合項の必要性を示す。 提案モデルは、振幅変動を伴う複素値データを含む機械学習タスクや、ボルツマンサンプリングを複素領域で実行できる結合発振器やニューロモルフィックハードウェアなどの新しい計算ハードウェアのためのアルゴリズムの開発に有用である。

関連論文リスト

• Generalization of Modular Spread Complexity for Non-Hermitian Density Matrices [0.0]
  この研究において、モジュラー拡散複雑性の概念を、還元密度行列が非エルミート的である場合に一般化する。 エンタングルメントの容量を一般化する擬似容量を定義し、擬似モジュラー複雑性の初期モジュラー時間尺度に対応する。 2レベル系と4-量子ビット系の解析計算を行い、その後、横場イジングモデルの量子相転移に関する数値的な研究を行う。
  論文  参考訳（メタデータ） (2024-10-07T17:59:16Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Attention to Quantum Complexity [21.766643620345494]
  我々は,汎用的な古典的AIフレームワークQuantum Attention Network(QuAN)を紹介する。 QuANは、測定スナップショットをトークンとして扱い、置換不変性を尊重する。 われわれはQuANを3つの異なる量子シミュレーション設定で厳格にテストしている。
  論文  参考訳（メタデータ） (2024-05-19T17:46:40Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
  本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。 任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。 各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-01-23T15:18:54Z)
• Quantum emulation of the transient dynamics in the multistate Landau-Zener model [50.591267188664666]
  本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。 我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
  論文  参考訳（メタデータ） (2022-11-26T15:04:11Z)
• Adversarial Audio Synthesis with Complex-valued Polynomial Networks [60.231877895663956]
  音声における時間周波数(TF)表現は、実数値ネットワークとしてますますモデル化されている。 我々は,このような複雑な数値表現を自然な方法で統合するAPOLLOと呼ばれる複雑な数値ネットワークを導入する。 APOLLOは、音声生成におけるSC09の最先端拡散モデルよりも17.5%$改善され、8.2%ドルとなる。
  論文  参考訳（メタデータ） (2022-06-14T12:58:59Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• Quantum Simulation of the Bosonic Creutz Ladder with a Parametric Cavity [5.336258422653554]
  ハードウェア効率のよいアナログ量子シミュレータとして,マルチモード超伝導パラメトリックキャビティを用いた。 複雑なホッピング相互作用を持つ合成次元の格子を実現する。 複素数値ホッピング相互作用により、例えばゲージポテンシャルやトポロジカルモデルなどをシミュレートすることができる。
  論文  参考訳（メタデータ） (2021-01-11T14:46:39Z)
• Learnability and Complexity of Quantum Samples [26.425493366198207]
  量子回路が与えられた場合、量子コンピュータは古典的コンピュータよりも出力分布を指数関数的に高速にサンプリングすることができる。 一定のトレーニング時間でnでスケールするトレーニングパラメータを持つモデルを用いて、基礎となる量子分布を学習できるだろうか? 本稿では,Deep Boltzmann Machine (DBM), Generative Adrial Networks (GANs), Long Short-Term Memory (LSTM), Autoregressive GANの4種類の生成モデルについて,深部ランダム回路で生成された量子データセットの学習について検討する。
  論文  参考訳（メタデータ） (2020-10-22T18:45:25Z)
• Model-Independent Simulation Complexity of Complex Quantum Dynamics [0.13999481573773068]
  本稿では,Stroboscopic Markovian dynamics を用いた複雑な量子力学のシミュレーションに基づく,動的複雑性のモデル非依存尺度を提案する。 古典的な信号処理のツールにより、時間非依存のハミルトニアンの下で進化する複素量子系のヒルベルト空間次元を推測することができる。
  論文  参考訳（メタデータ） (2020-09-01T14:52:35Z)

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。