論文の概要: On compression rate of quantum autoencoders: Control design, numerical
and experimental realization
- arxiv url: http://arxiv.org/abs/2005.11149v3
- Date: Mon, 27 Jun 2022 08:50:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 09:55:20.495799
- Title: On compression rate of quantum autoencoders: Control design, numerical
and experimental realization
- Title(参考訳): 量子オートエンコーダの圧縮速度について:制御設計,数値および実験的実現
- Authors: Hailan Ma, Chang-Jiang Huang, Chunlin Chen, Daoyi Dong, Yuanlong Wang,
Re-Bing Wu, Guo-Yong Xiang
- Abstract要約: 与えられた量子オートエンコーダの圧縮速度の上限を確立する。
本稿では,最大圧縮率を達成するために,オートエンコーダの学習制御手法を提案する。
- 参考スコア(独自算出の注目度): 6.062713059671951
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum autoencoders which aim at compressing quantum information in a
low-dimensional latent space lie in the heart of automatic data compression in
the field of quantum information. In this paper, we establish an upper bound of
the compression rate for a given quantum autoencoder and present a learning
control approach for training the autoencoder to achieve the maximal
compression rate. The upper bound of the compression rate is theoretically
proven using eigen-decomposition and matrix differentiation, which is
determined by the eigenvalues of the density matrix representation of the input
states. Numerical results on 2-qubit and 3-qubit systems are presented to
demonstrate how to train the quantum autoencoder to achieve the theoretically
maximal compression, and the training performance using different machine
learning algorithms is compared. Experimental results of a quantum autoencoder
using quantum optical systems are illustrated for compressing two 2-qubit
states into two 1-qubit states.
- Abstract(参考訳): 低次元の潜在空間で量子情報を圧縮することを目的とした量子オートエンコーダは、量子情報分野における自動データ圧縮の中心にある。
本稿では、与えられた量子オートエンコーダの圧縮率の上限を設定し、最大圧縮率を達成するためにオートエンコーダを訓練するための学習制御手法を提案する。
圧縮速度の上界は固有分解と行列微分を用いて理論的に証明され、これは入力状態の密度行列表現の固有値によって決定される。
理論的に最大圧縮を実現するために量子オートエンコーダをトレーニングする方法を示すために, 2-qubit および 3-qubit システムの数値計算結果を示し, 異なる機械学習アルゴリズムを用いたトレーニング性能を比較した。
2つの2量子ビット状態を2つの1量子ビット状態に圧縮する量子光学系を用いた量子オートエンコーダの実験結果を示す。
関連論文リスト
- The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳(メタデータ) (2024-08-19T12:18:07Z) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳(メタデータ) (2024-06-17T18:20:51Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - Realization of quantum algorithms with qudits [0.7892577704654171]
我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。
我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。
これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
論文 参考訳(メタデータ) (2023-11-20T18:34:19Z) - Quantum Circuit AutoEncoder [17.81888531978833]
本稿では、量子回路内の情報を圧縮してエンコードする量子回路オートエンコーダ(QCAE)のモデルを提案する。
varQCAEを3つの実用的なタスクに適用し、量子回路内の情報を効果的に圧縮できることを示す。
論文 参考訳(メタデータ) (2023-07-17T12:41:28Z) - Quantum-parallel vectorized data encodings and computations on
trapped-ions and transmons QPUs [0.3262230127283452]
我々は、QCrankとQBArtという2つの新しいデータ符号化方式を導入する。
QCrankは実数値データのシーケンスをデータキュービットの回転としてエンコードし、高いストレージ密度を実現する。
QBArtはデータのバイナリ表現を計算ベースに埋め込み、量子測定を少なくする。
論文 参考訳(メタデータ) (2023-01-19T01:26:32Z) - Digital Quantum Simulation and Circuit Learning for the Generation of
Coherent States [1.4153418423656923]
量子回路におけるコヒーレントな状態をデジタル的に準備する2つの方法が導入された。
ディジタル生成されたコヒーレント状態の高忠実度を検証した。
シミュレーションの結果、量子回路学習は、適切なアンサーゼを選択することにより、コヒーレントな状態の学習に高い忠実性を提供できることが示された。
論文 参考訳(メタデータ) (2022-10-30T09:06:21Z) - Dense Coding with Locality Restriction for Decoder: Quantum Encoders vs.
Super-Quantum Encoders [67.12391801199688]
我々は、デコーダに様々な局所性制限を課すことにより、濃密な符号化について検討する。
このタスクでは、送信者アリスと受信機ボブが絡み合った状態を共有する。
論文 参考訳(メタデータ) (2021-09-26T07:29:54Z) - Continuous-time dynamics and error scaling of noisy highly-entangling
quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。
我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。
動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文 参考訳(メタデータ) (2021-02-08T14:55:44Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - Noise-Assisted Quantum Autoencoder [7.33811357166334]
以前の量子オートエンコーダは、ハイランク混合状態の圧縮と回復に失敗した。
本稿では,ノイズ支援型量子オートエンコーダアルゴリズムを提案する。
純状態アンサンブル圧縮には、投影された量子オートエンコーダアルゴリズムも導入する。
論文 参考訳(メタデータ) (2020-12-15T14:39:06Z)
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。