論文の概要: Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer

• arxiv url: http://arxiv.org/abs/2012.03924v4
• Date: Thu, 30 Jun 2022 16:44:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 20:44:49.123964
• Title: Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer
• Title（参考訳）: イオントラップ量子コンピュータを用いた高分解能手書きディジットの生成
• Authors: Manuel S. Rudolph, Ntwali Bashige Toussaint, Amara Katabarwa, Sonika Johri, Borja Peropadre, Alejandro Perdomo-Ortiz
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating high-quality data (e.g. images or video) is one of the most exciting and challenging frontiers in unsupervised machine learning. Utilizing quantum computers in such tasks to potentially enhance conventional machine learning algorithms has emerged as a promising application, but poses big challenges due to the limited number of qubits and the level of gate noise in available devices. In this work, we provide the first practical and experimental implementation of a quantum-classical generative algorithm capable of generating high-resolution images of handwritten digits with state-of-the-art gate-based quantum computers. In our quantum-assisted machine learning framework, we implement a quantum-circuit based generative model to learn and sample the prior distribution of a Generative Adversarial Network. We introduce a multi-basis technique that leverages the unique possibility of measuring quantum states in different bases, hence enhancing the expressivity of the prior distribution. We train this hybrid algorithm on an ion-trap device based on $^{171}$Yb$^{+}$ ion qubits to generate high-quality images and quantitatively outperform comparable classical Generative Adversarial Networks trained on the popular MNIST data set for handwritten digits.
• Abstract（参考訳）: 高品質なデータ(画像やビデオなど)を生成することは、教師なし機械学習における最もエキサイティングで挑戦的なフロンティアの1つである。 このようなタスクで量子コンピュータを活用して、従来の機械学習アルゴリズムを潜在的に強化することは、有望な応用として現れてきたが、キュービット数と利用可能なデバイスにおけるゲートノイズのレベルが限られているため、大きな課題となっている。 本研究では,手書き桁の高解像度画像を最先端ゲート型量子コンピュータで生成できる量子古典生成アルゴリズムの実用的,実験的な実装について述べる。 量子支援機械学習フレームワークでは,量子循環型生成モデルを実装し,生成型逆ネットワークの事前分布を学習し,サンプル化する。 本稿では、異なる基底における量子状態の測定のユニークな可能性を利用して、事前分布の表現性を高めるマルチベース手法を提案する。 我々は、このハイブリッドアルゴリズムを、$^{171}$Yb$^{+}$ ion qubitsに基づくイオントラップデバイス上でトレーニングし、高品質な画像を生成し、手書き数字のMNISTデータセットでトレーニングされた古典的生成逆数ネットワークを定量的に上回っている。

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)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Positional Encodings for Graph Neural Networks [1.9791587637442671]
  本稿では,量子コンピュータを用いて得られたグラフニューラルネットワークに適した位置符号化の新たなファミリを提案する。 私たちのインスピレーションは、量子処理ユニットの最近の進歩に起因しています。
  論文  参考訳（メタデータ） (2024-05-21T17:56:33Z)
• Variational Quantum Circuits Enhanced Generative Adversarial Network [5.209320054725053]
  我々は、GAN(QC-GAN)を改善するためのハイブリッド量子古典アーキテクチャを提案する。 QC-GANは1層ニューラルネットワークと共に量子変動回路で構成され、識別器は従来のニューラルネットワークで構成されている。 また、QC-GANが16ドル以上の画像を生成することのできない代替量子GAN、すなわちpathGANよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-02-02T03:59:35Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• 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)
• 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)
• Realizing a quantum generative adversarial network using a programmable superconducting processor [17.3986929818418]
  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。
  論文  参考訳（メタデータ） (2020-09-27T12:09:33Z)

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。