論文の概要: Experimental evaluation of quantum Bayesian networks on IBM QX hardware

• arxiv url: http://arxiv.org/abs/2005.12474v1
• Date: Tue, 26 May 2020 01:25:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 00:40:54.984429
• Title: Experimental evaluation of quantum Bayesian networks on IBM QX hardware
• Title（参考訳）: ibm qxハードウェア上の量子ベイズネットワークの実験的評価
• Authors: Sima E. Borujeni, Nam H. Nguyen, Saideep Nannapaneni, Elizabeth C. Behrman, James E. Steck
• Abstract要約: 我々は、様々なIBM QXハードウェア上でのQBNの性能を、Qiskitシミュレータと古典解析に対して実験的に評価した。 我々は,Qiskitを用いて4ノードBNを表す量子回路を構築し,9つのIBM量子デバイス上で回路を実行する。
• 参考スコア（独自算出の注目度）: 5.057312718525522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bayesian Networks (BN) are probabilistic graphical models that are widely used for uncertainty modeling, stochastic prediction and probabilistic inference. A Quantum Bayesian Network (QBN) is a quantum version of the Bayesian network that utilizes the principles of quantum mechanical systems to improve the computational performance of various analyses. In this paper, we experimentally evaluate the performance of QBN on various IBM QX hardware against Qiskit simulator and classical analysis. We consider a 4-node BN for stock prediction for our experimental evaluation. We construct a quantum circuit to represent the 4-node BN using Qiskit, and run the circuit on nine IBM quantum devices: Yorktown, Vigo, Ourense, Essex, Burlington, London, Rome, Athens and Melbourne. We will also compare the performance of each device across the four levels of optimization performed by the IBM Transpiler when mapping a given quantum circuit to a given device. We use the root mean square percentage error as the metric for performance comparison of various hardware.
• Abstract（参考訳）: Bayesian Networks (BN) は確率的グラフィカルモデルであり、不確実性モデリング、確率的予測、確率的推論に広く利用されている。 量子ベイズネットワーク (quantum bayesian network, qbn) は、量子力学系の原理を利用して様々な解析の計算性能を向上させるベイズネットワークの量子バージョンである。 本稿では,IBM QXハードウェア上でのQBNの性能を,Qiskitシミュレータと古典解析に対して実験的に評価する。 実験評価のために,株価予測のための4ノードBNを検討する。 Qiskitを用いて4ノードBNを表す量子回路を構築し、ヨークタウン、ビゴ、オウエンセ、エセックス、バーリントン、ロンドン、ローマ、アテネ、メルボルンという9つのIBM量子デバイス上で回路を実行する。 また、各デバイスの性能を、与えられた量子回路を所定のデバイスにマッピングする際に、IBM Transpilerによって実行される4つのレベルの最適化と比較する。 各種ハードウェアの性能比較の指標としてルート平均平方パーセンテージ誤差を用いる。

関連論文リスト

• Quantum Deep Equilibrium Models [1.5853439776721878]
  本稿では,量子機械学習モデルのパラメータを学習するトレーニングパラダイムであるQuantum Deep Equilibrium Models (QDEQ)を紹介する。 QDEQは、既存の同等のベースラインモデルと競合するだけでなく、5倍以上のレイヤを持つネットワークよりも高いパフォーマンスを実現している。 このことは、QDEQパラダイムが与えられたタスクに対してより浅い量子回路を開発するのに利用できることを示している。
  論文  参考訳（メタデータ） (2024-10-31T13:54:37Z)
• Data augmentation experiments with style-based quantum generative adversarial networks on trapped-ion and superconducting-qubit technologies [0.0]
  この研究は、初めて、スタイルベースの量子生成逆数ネットワーク(qGAN)の量子ジェネレータアーキテクチャをどのように実装できるかを実証する。 2022年に提案されたスタイルベースのqGANは、qGANのための技術の現状を一般化し、浅い深度ネットワークを可能にする。 両デバイスで得られた結果は同等の品質であり、ia-1デバイスはibm_torinoデバイスよりもかなり正確な結果をもたらす。
  論文  参考訳（メタデータ） (2024-05-07T15:26:51Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
  可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
  論文  参考訳（メタデータ） (2021-10-06T14:44:51Z)
• A Quantum Hopfield Associative Memory Implemented on an Actual Quantum Processor [8.024434062411943]
  本稿では,量子ホップフィールド連想メモリ(QHAM)について述べる。 QHAMは、多くの異なる機械学習アプリケーションに使用できる量子ニューロン設計に基づいている。 我々は、QHAMを量子ビットおよび回路レベルのエラーに対して有効メモリ容量をテストすることでベンチマークし、量子ハードウェアのNISQ時代におけるその能力を実証する。
  論文  参考訳（メタデータ） (2021-05-25T00:45:57Z)
• A P4 Data Plane for the Quantum Internet [68.97335984455059]
  新しい-量子-ネットワークスタックは、量子絡み合いの基本的な新しい性質を説明するために必要となる。 非量子世界では、プログラム可能なデータプレーンがプロトコルスタックのオシフィケーションのパターンを破っている。 我々は、量子ネットワークの抽象化とデバイスアーキテクチャをP4$_16$で調査する方法を実証する。
  論文  参考訳（メタデータ） (2020-10-21T19:37:23Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• SeQUeNCe: A Customizable Discrete-Event Simulator of Quantum Networks [53.56179714852967]
  この研究は、包括的でカスタマイズ可能な量子ネットワークシミュレータであるSeQUeNCeを開発した。 本研究では,9つのルータに量子メモリを具備したフォトニック量子ネットワークをシミュレートし,SeQUeNCeの利用を実証する。 オープンソースツールとしてSeQUeNCeをリリースしています。
  論文  参考訳（メタデータ） (2020-09-25T01:52:15Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)
• A Co-Design Framework of Neural Networks and Quantum Circuits Towards Quantum Advantage [37.837850621536475]
  本稿では、そのような欠落したリンクを提供するために、共同設計フレームワークであるQuantumFlowを紹介します。 QuantumFlowは、新しい量子フレンドリなニューラルネットワーク(QF-Nets)、QF-Netのための量子回路(QF-Circ)を生成するマッピングツール(QF-Maps)、実行エンジン(QF-FB)で構成される。 評価の結果、QF-pNetとQF-hNetはそれぞれ97.10%と98.27%の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-06-26T06:25:03Z)
• Quantum circuit representation of Bayesian networks [5.057312718525522]
  2つ以上の状態を持つノードを持つ一般的な離散ベイズネットワークを表現する量子回路を開発する。 提案手法は,4ノードの石油会社の株価予測,流動性リスク評価のための10ノードネットワーク,破産予測のための9ノードのネイブベイズ分類器の3例に対して実証された。
  論文  参考訳（メタデータ） (2020-04-29T04:58:54Z)

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。