論文の概要: Quantum reservoir computing: a reservoir approach toward quantum machine
learning on near-term quantum devices
- arxiv url: http://arxiv.org/abs/2011.04890v1
- Date: Tue, 10 Nov 2020 04:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 19:13:48.809324
- Title: Quantum reservoir computing: a reservoir approach toward quantum machine
learning on near-term quantum devices
- Title（参考訳）: 量子貯水池コンピューティング--短期量子デバイスにおける量子機械学習への貯水池アプローチ
- Authors: Keisuke Fujii and Kohei Nakajima
- Abstract要約: 量子貯水池コンピューティング(Quantum reservoir computing)は、時間的機械学習のように、量子システム上で複雑でリッチなダイナミクスを使用するアプローチである。
これらの量子機械学習アプローチはすべて、実験的に実現可能であり、最先端の量子デバイスに有効である。
- 参考スコア（独自算出の注目度）: 0.8206877486958002
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum systems have an exponentially large degree of freedom in the number
of particles and hence provide a rich dynamics that could not be simulated on
conventional computers. Quantum reservoir computing is an approach to use such
a complex and rich dynamics on the quantum systems as it is for temporal
machine learning. In this chapter, we explain quantum reservoir computing and
related approaches, quantum extreme learning machine and quantum circuit
learning, starting from a pedagogical introduction to quantum mechanics and
machine learning. All these quantum machine learning approaches are
experimentally feasible and effective on the state-of-the-art quantum devices.
- Abstract（参考訳）: 量子系は粒子数において指数関数的に大きな自由度を持ち、そのため従来のコンピュータではシミュレートできないリッチなダイナミクスを提供する。
量子貯水池コンピューティング(Quantum reservoir computing)は、時間的機械学習のように、量子システム上で複雑でリッチなダイナミクスを使用するアプローチである。
本章では,量子リザーバコンピューティングと関連する手法,量子エクストリーム・ラーニング・マシンと量子回路学習について,量子力学と機械学習の教育的紹介から述べる。
これらの量子機械学習アプローチはすべて、実験的に実現可能であり、最先端の量子デバイスに有効である。
関連論文リスト
- Digital-Analog Quantum Machine Learning [0.0]
機械学習アルゴリズムは、ますます多くのシステム、アプリケーション、技術、製品で広く使われている。
データの量の増加は 古典的な装置に困難をもたらします
量子システムは、特定のコンテキストにおける機械学習計算のスケールアップを可能にする方法を提供するかもしれない。
論文 参考訳（メタデータ） (2024-11-16T08:54:52Z) - Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。
本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文 参考訳（メタデータ） (2024-11-14T12:27:50Z) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Quantum Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
オープン量子系の基本理論の簡潔な要約を提供する。
次に、最近の量子アルゴリズムに関する議論を掘り下げる。
我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
論文 参考訳（メタデータ） (2024-06-07T19:02:22Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Quantum machine learning and quantum biomimetics: A perspective [0.0]
量子機械学習は、量子技術の中でエキサイティングで有望なパラダイムとして登場した。
本稿では,これらのトピックについて概観し,科学コミュニティが実施した関連研究について述べる。
論文 参考訳（メタデータ） (2020-04-25T07:45:20Z) - Quantum algorithms for quantum chemistry and quantum materials science [2.867517731896504]
本稿では, 電子構造, 量子統計力学, 量子力学の分野において, 量子コンピュータ上での解に対する潜在的な関心について, 化学・材料科学の中心的な問題を簡潔に述べる。
我々は、基底状態、力学、熱状態シミュレーションのための量子アルゴリズムの現在の進歩の詳細なスナップショットを取得し、将来の発展のためにそれらの強みと弱点を分析する。
論文 参考訳（メタデータ） (2020-01-10T22:49:56Z)
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。