論文の概要: Boltzmann machine learning with a variational quantum algorithm

• arxiv url: http://arxiv.org/abs/2007.00876v2
• Date: Mon, 11 Oct 2021 01:01:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 20:55:39.961684
• Title: Boltzmann machine learning with a variational quantum algorithm
• Title（参考訳）: 変分量子アルゴリズムを用いたボルツマン機械学習
• Authors: Yuta Shingu, Yuya Seki, Shohei Watabe, Suguru Endo, Yuichiro Matsuzaki, Shiro Kawabata, Tetsuro Nikuni, and Hideaki Hakoshima
• Abstract要約: ボルツマンマシンは、トレーニングデータを管理する確率分布をモデル化するための強力なツールである。 本稿では,ノイズ中間スケール量子(NISQ)デバイスを用いてボルツマン機械学習を実現する手法を提案する。
• 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: Boltzmann machine is a powerful tool for modeling probability distributions that govern the training data. A thermal equilibrium state is typically used for Boltzmann machine learning to obtain a suitable probability distribution. The Boltzmann machine learning consists of calculating the gradient of the loss function given in terms of the thermal average, which is the most time consuming procedure. Here, we propose a method to implement the Boltzmann machine learning by using Noisy Intermediate-Scale Quantum (NISQ) devices. We prepare an initial pure state that contains all possible computational basis states with the same amplitude, and apply a variational imaginary time simulation. Readout of the state after the evolution in the computational basis approximates the probability distribution of the thermal equilibrium state that is used for the Boltzmann machine learning. We actually perform the numerical simulations of our scheme and confirm that the Boltzmann machine learning works well by our scheme.
• Abstract（参考訳）: boltzmann machineは、トレーニングデータを管理する確率分布をモデル化するための強力なツールである。 ボルツマン機械学習では一般に熱平衡状態を用いて適切な確率分布を求める。 ボルツマン機械学習は、最大の時間消費手順である熱平均の観点で与えられる損失関数の勾配を計算することによって構成される。 本稿では,雑音中規模量子(NISQ)デバイスを用いてボルツマン機械学習を実現する手法を提案する。 我々は、同じ振幅で可能な全ての計算基底状態を含む初期純状態を作成し、変分想像時間シミュレーションを適用する。 計算ベースにおける進化後の状態の読み出しは、ボルツマン機械学習に使用される熱平衡状態の確率分布を近似する。 実際に,本手法の数値シミュレーションを行い,ボルツマン機械学習が本方式でうまく動作することを確認した。

関連論文リスト

• Efficient quantum loading of probability distributions through Feynman propagators [2.56711111236449]
  我々は、ハミルトニアンシミュレーションを用いて確率分布のロードのための量子アルゴリズムを、$hat H= Delta + V(x) mathbbI$ という形の1次元ハミルトニアンに対して提示する。 我々は、ファインマンプロパゲーターが解析的に閉じた形式を持つことが知られているポテンシャル$V(x)$を考え、これらのハミルトニアンを用いて確率分布を量子状態にロードする。
  論文  参考訳（メタデータ） (2023-11-22T21:41:58Z)
• SMURF-THP: Score Matching-based UnceRtainty quantiFication for Transformer Hawkes Process [76.98721879039559]
  SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。 具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。 我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
  論文  参考訳（メタデータ） (2023-10-25T03:33:45Z)
• Robust Extraction of Thermal Observables from State Sampling and Real-Time Dynamics on Quantum Computers [49.1574468325115]
  我々は、状態の密度、特にその非負性性に制約を課す手法を導入し、この方法で、ノイズのある時系列からボルツマン重みを確実に抽出できることを示す。 本研究により,今日の量子コンピュータにおける時系列アルゴリズムの実装により,多体量子系の有限温度特性の研究が可能となった。
  論文  参考訳（メタデータ） (2023-05-30T18:00:05Z)
• The vacuum provides quantum advantage to otherwise simulatable architectures [49.1574468325115]
  理想のゴッテマン・キタエフ・プレスキル安定化状態からなる計算モデルを考える。 測定結果の確率密度関数を計算するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-19T18:03:17Z)
• Demonstration of the Rodeo Algorithm on a Quantum Computer [0.0]
  Rodeoアルゴリズムは、量子コンピュータ上で観測可能な任意の固有状態の準備と固有値推定のための効率的なアルゴリズムである。 固有状態生成のための位相推定や断熱進化のようなよく知られたアルゴリズムよりも指数関数的に高速である。 実際の量子デバイス上ではまだ実装されていない。
  論文  参考訳（メタデータ） (2021-10-14T22:16:47Z)
• Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
  本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。 与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。 我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
  論文  参考訳（メタデータ） (2021-08-04T16:32:59Z)
• Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
  本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。 これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
  論文  参考訳（メタデータ） (2020-08-12T11:30:23Z)
• Variational Quantum Boltzmann Machines [0.8057006406834467]
  本研究は量子ボルツマンマシン(QBM)に対する新しい実現法を提案する。 必要なギブス状態の調製と損失関数の解析勾配の評価は、変分量子イマジナリー時間進化に基づいている。 本稿では,この変分QBM手法を数値シミュレーションによる生成的・識別的学習タスクに適用する。
  論文  参考訳（メタデータ） (2020-06-10T18:00:09Z)
• Entropy, Free Energy, and Work of Restricted Boltzmann Machines [0.08594140167290096]
  我々は統計物理学の文脈で制限されたボルツマンマシンの訓練過程を分析する。 トレーニングが進むにつれて,エントロピーのサブ付加性を通じて,可視層と隠蔽層との相関関係が成長することを示す。 本稿では,作業の指数関数の経路平均と学習前後の自由エネルギーの差を結合するジャージンスキー等式について論じる。
  論文  参考訳（メタデータ） (2020-04-10T04:16:33Z)
• Generative and discriminative training of Boltzmann machine through Quantum annealing [0.0]
  ボルツマンマシン(BM)を学習するためのハイブリッド量子古典法について述べる。 BM学習のコスト関数は、Kulback-Leibler(KL)の発散と負条件付きログライクリーフ(NCLL)の重み付け和として定義される。 ニュートン・ラフソン最適化スキームについて述べる。
  論文  参考訳（メタデータ） (2020-02-03T14:41:52Z)
• Simulation of Thermal Relaxation in Spin Chemistry Systems on a Quantum Computer Using Inherent Qubit Decoherence [53.20999552522241]
  我々は,実世界の量子システムの振舞いをシミュレーションする資源として,キュービットデコヒーレンスを活用することを目指している。 熱緩和を行うための3つの方法を提案する。 結果,実験データ,理論的予測との間には,良好な一致が得られた。
  論文  参考訳（メタデータ） (2020-01-03T11:48:11Z)

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。