論文の概要: Learning to Utilize Correlated Auxiliary Noise: A Possible Quantum Advantage

• arxiv url: http://arxiv.org/abs/2006.04863v2
• Date: Wed, 16 Sep 2020 16:47:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 02:35:45.424476
• Title: Learning to Utilize Correlated Auxiliary Noise: A Possible Quantum Advantage
• Title（参考訳）: 近接雑音を利用した学習:量子アドバンテージの可能性
• Authors: Aida Ahmadzadegan, Petar Simidzija, Ming Li, Achim Kempf
• Abstract要約: ノイズの多いデータを処理しているネットワークは、データ上のノイズと相関する補助ノイズへのアクセスを活用できることを示す。 ネットワークは、相関した補助雑音を近似鍵として使用し、ノイズの多い入力データを復号する。 この新しいアプローチは、マシンが学習した量子エラーの修正を提供することで、将来の量子マシンの実現に役立つ可能性がある。
• 参考スコア（独自算出の注目度）: 5.905502772422697
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper has two messages. First, we demonstrate that neural networks that process noisy data can learn to exploit, when available, access to auxiliary noise that is correlated with the noise on the data. In effect, the network learns to use the correlated auxiliary noise as an approximate key to decipher its noisy input data. Second, we show that, for this task, the scaling behavior with increasing noise is such that future quantum machines could possess an advantage. In particular, decoherence generates correlated auxiliary noise in the environment. The new approach could, therefore, help enable future quantum machines by providing machine-learned quantum error correction.
• Abstract（参考訳）: この論文には2つのメッセージがあります。 まず,ノイズデータを処理するニューラルネットワークが,データ上の雑音と相関する補助ノイズへのアクセスを利用可能であれば学習できることを実証する。 ネットワークは、相関した補助雑音を近似鍵として使用し、ノイズの多い入力データを復号する。 第二に、このタスクでは、ノイズの増加に伴うスケーリングの挙動が、将来の量子マシンに有利であることを示す。 特に、デコヒーレンスは環境中の相関した補助雑音を生成する。 この新しいアプローチは、マシンが学習した量子エラー訂正を提供することで、将来の量子マシンの実現に役立つ。

関連論文リスト

• Classical Verification of Quantum Learning Advantages with Noises [0.27930367518472443]
  本稿では,量子フーリエサンプリング回路で得られるノイズのない結果を再構成する,効率的な古典的誤り訂正アルゴリズムを提案する。 また、ランダムな例のオラクルにアクセス可能な古典的クライアントは、ノイズのある量子証明器によるパリティ学習結果の検証も可能であることを証明した。
  論文  参考訳（メタデータ） (2024-11-14T06:14:39Z)
• Quantum State Reconstruction in a Noisy Environment via Deep Learning [0.9012198585960443]
  未知のノイズチャネルによって崩壊した量子状態の再構成と分類のタスクについて検討する。 このような手法が,99%以上の忠実度で回復できることを示す。 また、異なる量子ノイズチャネルを区別するタスクも検討し、ニューラルネットワークベースの分類器が、そのような分類問題を正確な精度で解決できることを示す。
  論文  参考訳（メタデータ） (2023-09-21T10:03:30Z)
• Taking advantage of noise in quantum reservoir computing [0.0]
  量子雑音は量子貯水池計算の性能向上に有効であることを示す。 我々の結果は量子デバイスの基礎となる物理的なメカニズムに新たな光を当てた。
  論文  参考訳（メタデータ） (2023-01-17T11:22:02Z)
• Some aspects of noise in binary classification with quantum circuits [2.2311710049695446]
  本研究では,量子回路を用いた二値分類の性能に及ぼす実量子ハードウェアの影響について検討した。 データ中のノイズが正規化器として機能することを示し、機械学習問題のある場合のノイズによる潜在的な利点を示唆する。
  論文  参考訳（メタデータ） (2022-11-11T22:06:17Z)
• Quantum Noise-Induced Reservoir Computing [0.6738135972929344]
  本稿では,量子ノイズによる貯水池計算というフレームワークを提案する。 いくつかの抽象量子ノイズモデルが時間的入力データに有用な情報処理能力を誘導できることを示す。 我々の研究は、量子コンピュータのノイズからより洗練された情報処理装置に有用な情報を変換するための新しい道を開く。
  論文  参考訳（メタデータ） (2022-07-16T12:21:48Z)
• Characterizing low-frequency qubit noise [55.41644538483948]
  量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。 ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。 この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T22:48:43Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Learning Noise via Dynamical Decoupling of Entangled Qubits [49.38020717064383]
  絡み合った量子系のノイズは、複数の自由度を含む多体効果のために特徴付けるのが困難である。 2キュービットゲートで発生する雑音を特徴付けるマルチキュービットダイナミックデカップリングシーケンスを開発し,適用する。
  論文  参考訳（メタデータ） (2022-01-26T20:22:38Z)
• A deep learning model for noise prediction on near-term quantum devices [137.6408511310322]
  我々は、量子デバイスからの実験データに基づいて畳み込みニューラルネットワークをトレーニングし、ハードウェア固有のノイズモデルを学ぶ。 コンパイラはトレーニングされたネットワークをノイズ予測器として使用し、期待されるノイズを最小限に抑えるために回路にゲートのシーケンスを挿入する。
  論文  参考訳（メタデータ） (2020-05-21T17:47:29Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)
• 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。