論文の概要: Programmable Quantum Annealers as Noisy Gibbs Samplers
- arxiv url: http://arxiv.org/abs/2012.08827v1
- Date: Wed, 16 Dec 2020 09:54:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 02:39:08.360924
- Title: Programmable Quantum Annealers as Noisy Gibbs Samplers
- Title（参考訳）: プログラム可能な量子アニール-ノイズギブズサンプリング
- Authors: Marc Vuffray, Carleton Coffrin, Yaroslav A. Kharkov, Andrey Y. Lokhov
- Abstract要約: 超伝導フラックス量子ビットのプログラム可能な格子を介して実装された量子アニーラーの物理的実現のサンプリング特性について検討する。
本手法は,次世代量子アニーラおよび他の新興アナログコンピューティングデバイスの特性評価に広く応用されることを実証する。
- 参考スコア（独自算出の注目度）: 10.154836127889487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Drawing independent samples from high-dimensional probability distributions
represents the major computational bottleneck for modern algorithms, including
powerful machine learning frameworks such as deep learning. The quest for
discovering larger families of distributions for which sampling can be
efficiently realized has inspired an exploration beyond established computing
methods and turning to novel physical devices that leverage the principles of
quantum computation. Quantum annealing embodies a promising computational
paradigm that is intimately related to the complexity of energy landscapes in
Gibbs distributions, which relate the probabilities of system states to the
energies of these states. Here, we study the sampling properties of physical
realizations of quantum annealers which are implemented through programmable
lattices of superconducting flux qubits. Comprehensive statistical analysis of
the data produced by these quantum machines shows that quantum annealers behave
as samplers that generate independent configurations from low-temperature noisy
Gibbs distributions. We show that the structure of the output distribution
probes the intrinsic physical properties of the quantum device such as
effective temperature of individual qubits and magnitude of local qubit noise,
which result in a non-linear response function and spurious interactions that
are absent in the hardware implementation. We anticipate that our methodology
will find widespread use in characterization of future generations of quantum
annealers and other emerging analog computing devices.
- Abstract（参考訳）: 高次元確率分布から独立したサンプルを描くことは、ディープラーニングのような強力な機械学習フレームワークを含む現代のアルゴリズムの主要な計算ボトルネックである。
サンプリングを効率的に実現できるより大きな分布の族を発見するための探究は、確立された計算方法を超えて、量子計算の原理を利用する新しい物理デバイスへと変化した。
量子アニーリングは、ギブス分布におけるエネルギー景観の複雑さと密接に関連している有望な計算パラダイムを具現化し、系の状態の確率とこれらの状態のエネルギーを関連付ける。
本稿では,超伝導フラックス量子ビットのプログラム可能な格子を用いて実装した量子アニーラの物理的実現のサンプリング特性について検討する。
これらの量子マシンが生成するデータの包括的統計分析により、量子アニールは低温ノイズギブス分布から独立した構成を生成するサンプルとして振る舞う。
出力分布の構造は、個々の量子ビットの有効温度や局所量子ビット雑音の大きさなどの量子デバイス固有の物理特性をプローブし、結果として非線形応答関数とハードウェア実装に欠落するスプリアス相互作用をもたらすことを示す。
我々は,次世代の量子アニールや他のアナログコンピューティング機器のキャラクタリゼーションにおいて,我々の方法論が広く利用されることを期待する。
関連論文リスト
- 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) - Experimental demonstration of reconstructing quantum states with generative models [0.44600863117978684]
本稿では,プログラム可能な超伝導トランスモン量子ビットの配列を用いたニューラルネットワーク生成モデルに基づく量子状態の再構成実験を行った。
本研究は、複雑な量子デバイスを検証・特徴化するための機械学習技術を活用した興味深い可能性について実験的に示すものである。
論文 参考訳（メタデータ） (2024-07-21T09:44:05Z) - Quantum Tensor Product Decomposition from Choi State Tomography [0.0]
単位系のテンソル積分解を計算するために,小さなサブシステムと大きなサブシステム(環境)に不均衡なパーティションを分割するアルゴリズムを提案する。
この量子アルゴリズムは、演算子非局所性、サブシステム上での効果的なオープン量子力学、低ランク近似の発見、量子回路ユニタリの低深度コンパイルに使用できる。
論文 参考訳（メタデータ） (2024-02-07T16:36:47Z) - Statistical learning on randomized data to verify quantum state k-designs [0.0]
純粋状態のランダムアンサンブルは、量子物理学の様々な側面において非常に重要であることが証明されている。
完全にランダムなアンサンブルを生成するのは 実験的に困難ですが 近似は 同様に有用です
ランダム性の度合いを検証することは、多体システム上で完全な量子状態トモグラフィーを実行するのと同様に、高価なタスクである可能性がある。
論文 参考訳（メタデータ） (2023-05-02T14:46:28Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。
本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。
量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
論文 参考訳（メタデータ） (2022-06-01T11:03:51Z) - 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) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳（メタデータ） (2021-10-11T18:00:20Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2021-03-04T18:21:00Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Noise robustness and experimental demonstration of a quantum generative
adversarial network for continuous distributions [0.5249805590164901]
連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。
また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。
我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
論文 参考訳（メタデータ） (2020-06-02T23:14:45Z)
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。