論文の概要: Advances in Quantum Deep Learning: An Overview
- arxiv url: http://arxiv.org/abs/2005.04316v1
- Date: Fri, 8 May 2020 23:36:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 13:08:34.071157
- Title: Advances in Quantum Deep Learning: An Overview
- Title（参考訳）: 量子深層学習の進歩:概要
- Authors: Siddhant Garg and Goutham Ramakrishnan
- Abstract要約: 量子ニューラルネットワーク(QNN)と、量子畳み込みネットワーク(QCNN)のような他の変種をモデル化するために提案された異なるスキームについてレビューする。
量子インスパイアされた古典的ディープラーニングアルゴリズムの最近の進歩とその自然言語処理への応用について簡単に説明する。
- 参考スコア（独自算出の注目度）: 9.188318506016898
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The last few decades have seen significant breakthroughs in the fields of
deep learning and quantum computing. Research at the junction of the two fields
has garnered an increasing amount of interest, which has led to the development
of quantum deep learning and quantum-inspired deep learning techniques in
recent times. In this work, we present an overview of advances in the
intersection of quantum computing and deep learning by discussing the technical
contributions, strengths and similarities of various research works in this
domain. To this end, we review and summarise the different schemes proposed to
model quantum neural networks (QNNs) and other variants like quantum
convolutional networks (QCNNs). We also briefly describe the recent progress in
quantum inspired classic deep learning algorithms and their applications to
natural language processing.
- Abstract（参考訳）: 過去数十年、ディープラーニングと量子コンピューティングの分野で大きなブレークスルーがみられた。
この2つの分野の接合における研究は、近年の量子深層学習と量子に触発された深層学習技術の発展に繋がる関心の高まりを招いている。
本稿では,この領域における様々な研究の技術的貢献,強み,類似性について議論し,量子コンピューティングとディープラーニングの交わりの進展について概説する。
この目的のために,量子ニューラルネットワーク (qnns) や量子畳み込みネットワーク (qcnns) など,他のバリエーションをモデル化するために提案された異なるスキームをレビュー・要約する。
また、量子インスパイアされた古典的ディープラーニングアルゴリズムの最近の進歩とその自然言語処理への応用について簡単に述べる。
関連論文リスト
- Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳（メタデータ） (2023-07-24T02:48:22Z) - 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) - A Survey on Quantum Reinforcement Learning [2.5882725323376112]
量子強化学習は、量子コンピューティングと機械学習の交差する分野である。
既に利用可能なノイズの多い中間スケール量子デバイスに焦点を合わせ、それらは関数近似器として機能する変分量子回路を含む。
さらに、将来のフォールトトレラントハードウェアに基づく量子強化学習アルゴリズムを調査し、その一部は証明可能な量子優位性を持つ。
論文 参考訳（メタデータ） (2022-11-07T11:25:47Z) - 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) - Quantum Neural Network Classifiers: A Tutorial [1.4567067583556714]
我々は、パラメータ化量子回路の形で量子ニューラルネットワークに焦点を当てる。
我々は主に、教師付き学習タスクのための量子ニューラルネットワークの異なる構造と符号化戦略について議論する。
Julia言語で記述された量子シミュレーションパッケージであるYoo.jlを使って、パフォーマンスをベンチマークする。
論文 参考訳（メタデータ） (2022-06-06T18:00:01Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳（メタデータ） (2022-04-08T17:48:59Z) - Quantum neural networks force fields generation [0.0]
量子ニューラルネットワークアーキテクチャを設計し、複雑性が増大するさまざまな分子に適用することに成功しています。
量子モデルは古典的なモデルに対してより大きな有効次元を示し、競争性能に達することができる。
論文 参考訳（メタデータ） (2022-03-09T12:10:09Z) - Quantum Neural Networks: Concepts, Applications, and Challenges [11.370663646213606]
量子ディープラーニングは、ディープニューラルネットワークのトレーニングに量子コンピューティング技術を使用する研究分野である。
本稿では,量子深層学習の背景と基本原理を説明し,その成果を紹介する。
論文 参考訳（メタデータ） (2021-08-02T04:32:15Z) - 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) - 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) - Reinforcement Learning with Quantum Variational Circuits [0.0]
この研究は、強化学習問題を促進する量子コンピューティングの可能性を探るものである。
具体的には、量子機械学習の一形態である量子変分回路の使用について検討する。
その結果、ハイブリッドおよび純粋量子変動回路は、より小さいパラメータ空間で強化学習タスクを解くことができることを示した。
論文 参考訳（メタデータ） (2020-08-15T00:13:01Z)
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。