論文の概要: Improving Qubit Readout with Hidden Markov Models
- arxiv url: http://arxiv.org/abs/2006.00109v2
- Date: Sat, 31 Oct 2020 06:00:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 00:31:54.665703
- Title: Improving Qubit Readout with Hidden Markov Models
- Title(参考訳): 隠れマルコフモデルによるqubit読み出しの改善
- Authors: Luis A. Martinez, Yaniv J. Rosen, and Jonathan L. DuBois
- Abstract要約: 量子ビット読み出しのための隠れマルコフモデル(HMM)を用いたパターン認識アルゴリズムの適用例を示す。
このスキームは、キュービット状態遷移を検出することのできる状態パス軌道アプローチを提供する。
- 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: We demonstrate the application of pattern recognition algorithms via hidden
Markov models (HMM) for qubit readout. This scheme provides a state-path
trajectory approach capable of detecting qubit state transitions and makes for
a robust classification scheme with higher starting state assignment fidelity
than when compared to a multivariate Gaussian (MVG) or a support vector machine
(SVM) scheme. Therefore, the method also eliminates the qubit-dependent readout
time optimization requirement in current schemes. Using a HMM state
discriminator we estimate fidelities reaching the ideal limit. Unsupervised
learning gives access to transition matrix, priors, and IQ distributions,
providing a toolbox for studying qubit state dynamics during strong projective
readout.
- Abstract(参考訳): 量子ビット読み出しのための隠れマルコフモデル(HMM)を用いたパターン認識アルゴリズムの適用例を示す。
このスキームは、キュービット状態遷移を検出することのできる状態パス軌道法を提供し、多変量ガウス(MVG)や支持ベクトルマシン(SVM)と比較して、開始状態の割り当て忠実度の高いロバストな分類法を提供する。
したがって、この方法は現在のスキームにおけるqubit依存の読み取り時間最適化要求も排除する。
HMM状態判別器を用いて理想的な限界に達する忠実度を推定する。
教師なし学習はトランジッションマトリクス、プリエント、iqディストリビューションへのアクセスを提供し、強い射影読み出し中に量子ビット状態のダイナミクスを研究するためのツールボックスを提供する。
関連論文リスト
- Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-12-19T15:34:52Z) - End-to-End Training of a Neural HMM with Label and Transition
Probabilities [36.32865468394113]
隠れマルコフモデル(HMM)を用いたエンドツーエンドニューラルネットワークトレーニングのための新しいモデリング手法について検討する。
提案手法では,時間統計を暗黙的にエンコードするブランクラベルとは対照的に,セグメント間の遷移に関する明示的で学習可能な確率が存在する。
トランジションモデルトレーニングでは認識性能は向上しないが,アライメント品質に肯定的な影響を与えることがわかった。
論文 参考訳(メタデータ) (2023-10-04T10:56:00Z) - Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For
Hidden Markov Models [70.26374282390401]
ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。
本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
論文 参考訳(メタデータ) (2023-05-29T19:37:48Z) - Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。
本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。
具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
論文 参考訳(メタデータ) (2023-02-28T16:53:41Z) - Stochastic Gradient Descent under Markovian Sampling Schemes [3.04585143845864]
マルコフ型サンプリングスキームにのみアクセス可能なバニラ勾配勾配の変動について検討する。
我々は、基礎となるマルコフ連鎖で可能な最小限の制限的な仮定の下で収束率を得ることに焦点をあてる。
論文 参考訳(メタデータ) (2023-02-28T09:18:00Z) - Model-Based Reinforcement Learning with Multinomial Logistic Function Approximation [10.159501412046508]
マルコフ決定過程(MDP)におけるモデルベース強化学習(RL)について検討する。
我々は,多項ロジスティックモデルにより状態遷移が与えられるMPPに対して,証明可能な効率のよいRLアルゴリズムを確立する。
我々の知る限りでは、証明可能な保証付き多項ロジスティック関数近似を用いたモデルベースRLアルゴリズムとしてはこれが初めてである。
論文 参考訳(メタデータ) (2022-12-27T16:25:09Z) - BERTifying the Hidden Markov Model for Multi-Source Weakly Supervised
Named Entity Recognition [57.2201011783393]
条件付き隠れマルコフモデル(CHMM)
CHMMは、入力トークンのBERT埋め込みからトークン単位の遷移と放出確率を予測する。
BERTベースのNERモデルを微調整し、ラベルをCHMMで推論する。
論文 参考訳(メタデータ) (2021-05-26T21:18:48Z) - Modular Deep Reinforcement Learning for Continuous Motion Planning with
Temporal Logic [59.94347858883343]
本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。
LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。
モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
論文 参考訳(メタデータ) (2021-02-24T01:11:25Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳(メタデータ) (2020-09-28T15:22:24Z) - Regime Switching Bandits [5.520927473144736]
本稿では,報酬が政権交代を示すマルチアームバンディット問題について検討する。
すべての腕から生じるランダムな報酬の分布は、有限状態マルコフ連鎖としてモデル化された共通の基底状態によって変調される。
そこで本研究では,隠れマルコフモデルに対するスペクトル法によるモーメント推定に基づく学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-01-26T02:50:56Z)
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。