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
- 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) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - 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) - Hamiltonian Quantum Generative Adversarial Networks [8.293345261434945]
本稿では、未知の入力量子状態を生成することを学ぶために、ハミルトン量子生成共振器ネットワーク(HQuGAN)を提案する。
このフレームワークは、高次元分布の学習における古典的生成的敵ネットワークの成功にインスパイアされている。
論文 参考訳(メタデータ) (2022-11-04T16:53:55Z) - Feasible Architecture for Quantum Fully Convolutional Networks [4.849886707973093]
本稿では,ノイズの多い中間規模量子デバイス上で動作可能な,実現可能な純粋量子アーキテクチャを提案する。
本研究は、純粋量子完全畳み込みネットワークのトレーニングを成功させ、それをハイブリッドソリューションと比較することで利点を論じるものである。
論文 参考訳(メタデータ) (2021-10-05T01:06:54Z) - 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。