論文の概要: Expressibility and trainability of parameterized analog quantum systems
for machine learning applications
- arxiv url: http://arxiv.org/abs/2005.11222v1
- Date: Fri, 22 May 2020 14:59:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 01:35:21.802806
- Title: Expressibility and trainability of parameterized analog quantum systems
for machine learning applications
- Title(参考訳): 機械学習のためのパラメータ化アナログ量子システムの表現可能性とトレーサビリティ
- Authors: Jirawat Tangpanitanon, Supanut Thanasilp, Ninnat Dangniam,
Marc-Antoine Lemonde, Dimitris G. Angelakis
- Abstract要約: システム内の外部駆動と障害の相互作用が、相互作用する量子システムのトレーニング可能性と表現可能性をどのように規定しているかを示す。
我々の研究は、量子多体物理学と機械学習への応用の基本的な関連性を示している。
- 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: Parameterized quantum evolution is the main ingredient in variational quantum
algorithms for near-term quantum devices. In digital quantum computing, it has
been shown that random parameterized quantum circuits are able to express
complex distributions intractable by a classical computer, leading to the
demonstration of quantum supremacy. However, their chaotic nature makes
parameter optimization challenging in variational approaches. Evidence of
similar classically-intractable expressibility has been recently demonstrated
in analog quantum computing with driven many-body systems. A thorough
investigation of trainability of such analog systems is yet to be performed. In
this work, we investigate how the interplay between external driving and
disorder in the system dictates the trainability and expressibility of
interacting quantum systems. We show that if the system thermalizes, the
training fails at the expense of the a large expressibility, while the opposite
happens when the system enters the many-body localized (MBL) phase. From this
observation, we devise a protocol using quenched MBL dynamics which allows
accurate trainability while keeping the overall dynamics in the quantum
supremacy regime. Our work shows the fundamental connection between quantum
many-body physics and its application in machine learning. We conclude our work
with an example application in generative modeling employing a well studied
analog many-body model of a driven Ising spin chain. Our approach can be
implemented with a variety of available quantum platforms including cold ions,
atoms and superconducting circuits
- Abstract(参考訳): パラメータ化量子進化は、短期量子デバイスにおける変分量子アルゴリズムの主要な要素である。
デジタル量子コンピューティングでは、ランダムなパラメータ化量子回路が古典的なコンピュータによって引き起こされる複雑な分布を表現できることが示されており、量子超越性の実証につながっている。
しかし、そのカオス性はパラメータ最適化を変分的アプローチにおいて困難にする。
類似した古典的難解な表現可能性の証拠は、駆動型多体系を持つアナログ量子コンピューティングで最近実証されている。
このようなアナログシステムのトレーサビリティに関する徹底的な調査はまだ行われていない。
本研究では, 外部駆動と障害の相互作用が, 相互作用する量子システムの訓練性や表現性をどのように規定するかを考察する。
その結果,多体局所化(mbl)フェーズに入ると,システムが熱化すると,高い発現率を犠牲にしてトレーニングが失敗し,逆に多体局所化(mbl)フェーズに入ると,その逆が起きることが分かった。
この観測から,量子超越状態における全体的なダイナミクスを維持しつつ,正確なトレーニング性を実現するための,焼成MBLダイナミクスを用いたプロトコルを考案した。
我々の研究は、量子多体物理学と機械学習への応用の基本的な関係を示す。
本研究は, 駆動したイジングスピン鎖の多体モデルを用いた生成モデリングの例を用いて, 研究成果をまとめる。
我々のアプローチは、コールドイオン、原子、超伝導回路を含む様々な利用可能な量子プラットフォームで実装できる。
関連論文リスト
- 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) - Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳(メタデータ) (2024-06-10T17:22:09Z) - Simulation of open quantum systems on universal quantum computers [15.876768787615179]
量子コンピュータを用いてオープンな量子システムをシミュレートする,革新的でスケーラブルな手法を提案する。
共役密度行列を真の密度行列と定義し、混合ユニタリ量子チャネルに還元する。
正確な長時間シミュレーションも随伴密度行列として達成でき、真の散逸した行列は同じ状態に収束する。
論文 参考訳(メタデータ) (2024-05-31T09:07:27Z) - 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) - Thermodynamics of quantum trajectories on a quantum computer [0.0]
オープンシステム力学は、興味あるシステムをアシラに結合することで量子コンピュータ上でシミュレートされる。
所望の性質を持つ量子軌道の確率を高めるために、開系の力学を制御する方法を示す。
論文 参考訳(メタデータ) (2023-01-17T19:00:03Z) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳(メタデータ) (2022-02-16T19:00:00Z) - Efficient Quantum Simulation of Open Quantum System Dynamics on Noisy
Quantum Computers [0.0]
量子散逸ダイナミクスは、コヒーレントからインコヒーレントにまたがって効率的にシミュレートできることを示す。
この研究は、NISQ時代の量子優位性のための新しい方向性を提供する。
論文 参考訳(メタデータ) (2021-06-24T10:37:37Z) - 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) - 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) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。