論文の概要: Generative machine learning with tensor networks: benchmarks on
near-term quantum computers
- arxiv url: http://arxiv.org/abs/2010.03641v1
- Date: Wed, 7 Oct 2020 20:33:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-29 17:37:25.351089
- Title: Generative machine learning with tensor networks: benchmarks on
near-term quantum computers
- Title（参考訳）: テンソルネットワークを用いた生成機械学習--短期量子コンピュータのベンチマーク
- Authors: Michael L. Wall, Matthew R. Abernathy, Gregory Quiroz
- Abstract要約: テンソルネットワーク(TN)の観点から,NISQデバイス上での量子支援機械学習(QAML)について検討する。
特に、古典的手法を用いてTNベースのQAMLモデルを設計、最適化するためのフレームワークをレイアウトし、量子ハードウェア上で動作させるためにこれらのモデルをコンパイルする。
本稿では,MPS QAMLモデルの性能を評価するための正確なベンチマーク問題と,標準MNIST手書き桁データセットへの適用について述べる。
- 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: Noisy, intermediate-scale quantum (NISQ) computing devices have become an
industrial reality in the last few years, and cloud-based interfaces to these
devices are enabling exploration of near-term quantum computing on a range of
problems. As NISQ devices are too noisy for many of the algorithms with a known
quantum advantage, discovering impactful applications for near-term devices is
the subject of intense research interest. We explore quantum-assisted machine
learning (QAML) on NISQ devices through the perspective of tensor networks
(TNs), which offer a robust platform for designing resource-efficient and
expressive machine learning models to be dispatched on quantum devices. In
particular, we lay out a framework for designing and optimizing TN-based QAML
models using classical techniques, and then compiling these models to be run on
quantum hardware, with demonstrations for generative matrix product state (MPS)
models. We put forth a generalized canonical form for MPS models that aids in
compilation to quantum devices, and demonstrate greedy heuristics for compiling
with a given topology and gate set that outperforms known generic methods in
terms of the number of entangling gates, e.g., CNOTs, in some cases by an order
of magnitude. We present an exactly solvable benchmark problem for assessing
the performance of MPS QAML models, and also present an application for the
canonical MNIST handwritten digit dataset. The impacts of hardware topology and
day-to-day experimental noise fluctuations on model performance are explored by
analyzing both raw experimental counts and statistical divergences of inferred
distributions. We also present parametric studies of depolarization and readout
noise impacts on model performance using hardware simulators.
- Abstract（参考訳）: ノイズの多い中規模量子コンピューティングデバイス(NISQ)は、ここ数年で産業的な現実となり、これらのデバイスに対するクラウドベースのインターフェースは、様々な問題に対する短期量子コンピューティングの探索を可能にしている。
nisqデバイスは、既知の量子アドバンテージを持つ多くのアルゴリズムにとってノイズが多いため、短期的なデバイスに対するインパクトのあるアプリケーションの発見は、強い研究の関心の対象となっている。
NISQデバイス上での量子支援機械学習(QAML)をテンソルネットワーク(TN)の観点から検討し、量子デバイスに送信されるリソース効率で表現力のある機械学習モデルを設計するための堅牢なプラットフォームを提供する。
特に,古典的手法を用いてTNベースのQAMLモデルを設計,最適化するためのフレームワークを構築し,これらのモデルを量子ハードウェア上で動作させるようにコンパイルし,生成行列製品状態(MPS)モデルの実証を行う。
量子デバイスへのコンパイルを支援するmpsモデルのための一般化された標準形式を定式化し、与えられたトポロジーとゲート集合をコンパイルするための欲張りなヒューリスティックを実証する。
本稿では,MPS QAMLモデルの性能を評価するための正確なベンチマーク問題と,標準MNIST手書き桁データセットへの適用について述べる。
モデル性能に及ぼすハードウェアトポロジーと日々の実験ノイズ変動の影響を, 生実験数と推定分布の統計的多様性を解析し検討した。
また,ハードウェアシミュレータを用いたモデル性能への影響についてパラメトリックな検討を行った。
関連論文リスト
- Generalization Error Bound for Quantum Machine Learning in NISQ Era -- A Survey [37.69303106863453]
我々は、NISQ時代における教師付き量子機械学習(QML)の最先端の一般化について、システムマッピング研究(SMS)を実施している。
本研究は,既存の計算プラットフォームを,量子ハードウェア,データセット,最適化手法,文献に見られる境界の共通特性で体系的に要約する。
SMSはまた、NISQ時代のQMLの限界と課題を強調し、分野を前進させる今後の研究の方向性について論じている。
論文 参考訳（メタデータ） (2024-09-11T21:17:30Z) - Learning Density Functionals from Noisy Quantum Data [0.0]
ノイズの多い中間スケール量子(NISQ)デバイスは、機械学習(ML)モデルのトレーニングデータを生成するために使用される。
NISQアルゴリズムの典型的なノイズを受ける小さなデータセットからニューラルネットワークMLモデルをうまく一般化できることを示す。
本研究は,NISQデバイスを実用量子シミュレーションに活用するための有望な経路であることを示唆する。
論文 参考訳（メタデータ） (2024-09-04T17:59:55Z) - NAC-QFL: Noise Aware Clustered Quantum Federated Learning [9.752814421987246]
本稿では,雑音を考慮したクラスタリング型量子フェデレーション学習システムを提案する。
ノイズ緩和、量子デバイス容量の制限、高い量子通信コストに対処する。
分散QML性能を高め、通信コストを削減する。
論文 参考訳（メタデータ） (2024-06-20T12:00:17Z) - Quantum support vector machines for classification and regression on a trapped-ion quantum computer [9.736685719039599]
量子支援ベクトル分類(QSVC)と量子支援ベクトル回帰(QSVR)に基づく量子機械学習モデルについて検討する。
本稿では,これらのモデルについて,ノイズと非ノイズの双方を考慮した量子回路シミュレータとIonQ Harmony量子プロセッサを用いて検討する。
分類タスクでは, 捕捉イオン量子コンピュータの4量子ビットを用いたQSVCモデルの性能は, ノイズレス量子回路シミュレーションで得られたものと同等であった。
論文 参考訳（メタデータ） (2023-07-05T08:06:41Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳（メタデータ） (2023-03-27T22:48:28Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - 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) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳（メタデータ） (2021-05-20T17:06:52Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - 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) - Quantum-enhanced data classification with a variational entangled sensor
network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。
我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文 参考訳（メタデータ） (2020-06-22T01:22:33Z)
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。