論文の概要: Information Processing Capacity of Spin-Based Quantum Reservoir Computing Systems

• arxiv url: http://arxiv.org/abs/2010.06369v1
• Date: Tue, 13 Oct 2020 13:26:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-29 05:04:28.676938
• Title: Information Processing Capacity of Spin-Based Quantum Reservoir Computing Systems
• Title（参考訳）: スピン型量子貯留層計算システムの情報処理能力
• Authors: R. Mart\'inez-Pe\~na, J. Nokkala, G. L. Giorgi, R. Zambrini, M. C. Soriano
• Abstract要約: イジングスピンネットワークを用いた量子貯水池計算(QRC)は古典的な貯水池計算の量子バージョンとして導入された。 我々は、情報処理能力(IPC)を用いたスピンベースQRCモデルの性能を特徴付ける。 この研究は、貯水池計算のためのスピンの量子ネットワークの計算能力を明確に示している。
• 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: The dynamical behaviour of complex quantum systems can be harnessed for information processing. With this aim, quantum reservoir computing (QRC) with Ising spin networks was recently introduced as a quantum version of classical reservoir computing. In turn, reservoir computing is a neuro-inspired machine learning technique that consists in exploiting dynamical systems to solve nonlinear and temporal tasks. We characterize the performance of the spin-based QRC model with the Information Processing Capacity (IPC), which allows to quantify the computational capabilities of a dynamical system beyond specific tasks. The influence on the IPC of the input injection frequency, time multiplexing, and different measured observables encompassing local spin measurements as well as correlations, is addressed. We find conditions for an optimum input driving and provide different alternatives for the choice of the output variables used for the readout. This work establishes a clear picture of the computational capabilities of a quantum network of spins for reservoir computing. Our results pave the way to future research on QRC both from the theoretical and experimental points of view.
• Abstract（参考訳）: 複雑な量子系の動的挙動は情報処理に利用することができる。 この目的により、Isingスピンネットワークを用いた量子貯水池計算(QRC)が古典的な貯水池計算の量子バージョンとして最近導入された。 代わって、リザーバコンピューティングは神経に触発された機械学習技術であり、非線形および時間的タスクを解決するために動的システムを利用する。 我々は、スピンベースのqrcモデルの性能を情報処理能力(ipc)で特徴付け、特定のタスクを超えて動的システムの計算能力の定量化を可能にする。 入力インジェクション周波数のIPC, 時間多重化, および局所スピン計測および相関を含む異なる測定可能な観測値への影響について検討した。 我々は、最適な入力駆動条件を見つけ、読み出しに使用する出力変数の選択に異なる代替手段を提供する。 この研究は、貯水池計算のためのスピンの量子ネットワークの計算能力を明確に示している。 本研究は, 理論的・実験的観点から, 今後のQRC研究への道を開くものである。

関連論文リスト

• Quantum reservoir computing on random regular graphs [0.0]
  量子貯水池コンピューティング(QRC)は、入力駆動多体量子システムと古典的な学習技術を組み合わせた低複雑性学習パラダイムである。 我々は、情報局在化、動的量子相関、および乱れハミルトニアンの多体構造について研究する。 そこで本研究では、乱れたアナログ量子学習プラットフォームの最適設計のためのガイドラインを提供する。
  論文  参考訳（メタデータ） (2024-09-05T16:18:03Z)
• Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
  本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。 我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
  論文  参考訳（メタデータ） (2024-01-19T11:04:14Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Classical and quantum reservoir computing: development and applications in machine learning [0.0]
  貯留層計算(Reservoir computing)は、非線形力学系を用いてデータから複雑な時間パターンを学習する、新しい機械学習アルゴリズムである。 この研究は、農業時系列予測を含む、非常に異なる領域にわたるアルゴリズムの堅牢性と適応性を実証している。 この論文の最後の貢献は、量子貯水池計算のためのアルゴリズム設計の最適化である。
  論文  参考訳（メタデータ） (2023-10-11T13:01:05Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Quantum reservoir probing: an inverse paradigm of quantum reservoir computing for exploring quantum many-body physics [0.0]
  本研究では,量子システム自体を情報処理性能によって探索する相互研究の方向性を提案する。 この概念に基づいて、量子貯水池探索(QRP)を開発し、量子貯水池計算(QRC)パラダイムの逆拡張を行う。 量子情報と量子物質を統合することで、QRPは量子多体物理学の様々な側面を探索するための強力なツールとして大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-08-02T01:26:36Z)
• Configured Quantum Reservoir Computing for Multi-Task Machine Learning [24.698475208639586]
  量子貯水池計算のためのプログラム可能なNISQデバイスのダイナミクスについて検討する。 単一の構成の量子貯水池は、同時に複数のタスクを学習することができる。 量子貯水池における量子コヒーレンス(quantum coherence, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス)
  論文  参考訳（メタデータ） (2023-03-30T18:00:02Z)
• 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)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Natural quantum reservoir computing for temporal information processing [4.785845498722406]
  貯留層計算(Reservoir computing)は、人工的または物理的散逸動態を利用する時間情報処理システムである。 本稿では, 量子ビットに付加される自然ノイズによって散逸特性が供給される貯水池として, 現実の超伝導量子コンピューティングデバイスを用いる方法を提案する。
  論文  参考訳（メタデータ） (2021-07-13T01:58:57Z)

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。