論文の概要: Realizing a quantum generative adversarial network using a programmable superconducting processor

• arxiv url: http://arxiv.org/abs/2009.12827v1
• Date: Sun, 27 Sep 2020 12:09:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-30 20:45:53.214462
• Title: Realizing a quantum generative adversarial network using a programmable superconducting processor
• Title（参考訳）: プログラマブル超伝導プロセッサを用いた量子生成対向ネットワークの実現
• Authors: Kaixuan Huang, Zheng-An Wang, Chao Song, Kai Xu, Hekang Li, Zhen Wang, Qiujiang Guo, Zixuan Song, Zhi-Bo Liu, Dongning Zheng, Dong-Ling Deng, H. Wang, Jian-Guo Tian, and Heng Fan
• Abstract要約: 本稿では,プログラム可能な超伝導プロセッサを用いた量子生成逆数ネットワーク(QGAN)の実験的実装について報告する。 我々の実装は、ノイズの多い中間スケールの量子デバイスにスケールすることを約束しています。
• 参考スコア（独自算出の注目度）: 17.3986929818418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative adversarial networks are an emerging technique with wide applications in machine learning, which have achieved dramatic success in a number of challenging tasks including image and video generation. When equipped with quantum processors, their quantum counterparts--called quantum generative adversarial networks (QGANs)--may even exhibit exponential advantages in certain machine learning applications. Here, we report an experimental implementation of a QGAN using a programmable superconducting processor, in which both the generator and the discriminator are parameterized via layers of single- and multi-qubit quantum gates. The programmed QGAN runs automatically several rounds of adversarial learning with quantum gradients to achieve a Nash equilibrium point, where the generator can replicate data samples that mimic the ones from the training set. Our implementation is promising to scale up to noisy intermediate-scale quantum devices, thus paving the way for experimental explorations of quantum advantages in practical applications with near-term quantum technologies.
• Abstract（参考訳）: 生成的敵ネットワークは、機械学習に幅広い応用をもたらす新興技術であり、画像やビデオ生成を含む多くの困難なタスクで劇的な成功を収めた。 量子プロセッサを搭載している場合、量子生成敵ネットワーク(QGAN)と呼ばれる量子は、特定の機械学習アプリケーションにおいて指数関数的な優位性を示す。 本稿では,1量子ゲートおよびマルチ量子ビット量子ゲートの層を介して,発電機と判別器の両方をパラメータ化するプログラム可能な超伝導プロセッサを用いたqganの実験的実装について報告する。 プログラムされたQGANは、量子勾配による数ラウンドの逆学習を自動的に実行し、Nash平衡点を達成する。 我々の実装は、ノイズの多い中間スケールの量子デバイスにスケールアップすることを約束しており、近い将来の量子技術による実用的な応用における量子アドバンテージの実験的探索の道を開く。

関連論文リスト

• LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
  量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。 本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
  論文  参考訳（メタデータ） (2024-09-22T23:18:06Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Quantum Neural Network Classifiers: A Tutorial [1.4567067583556714]
  我々は、パラメータ化量子回路の形で量子ニューラルネットワークに焦点を当てる。 我々は主に、教師付き学習タスクのための量子ニューラルネットワークの異なる構造と符号化戦略について議論する。 Julia言語で記述された量子シミュレーションパッケージであるYoo.jlを使って、パフォーマンスをベンチマークする。
  論文  参考訳（メタデータ） (2022-06-06T18:00:01Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
  連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。 また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。 我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
  論文  参考訳（メタデータ） (2020-06-02T23:14:45Z)
• 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。