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
- 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) - Optimisation-free Classification and Density Estimation with Quantum
Circuits [0.0]
量子回路を用いた確率密度推定と分類のための新しい機械学習フレームワークの実装を実証する。
このフレームワークは、トレーニングデータセットまたは単一のデータサンプルを、量子特徴写像を介して物理システムの量子状態にマッピングする。
我々は、我々のフレームワークに量子アドバンテージを活用できる変分量子回路のアプローチについて議論する。
論文 参考訳（メタデータ） (2022-03-28T02:40:24Z) - Scalable approach to many-body localization via quantum data [69.3939291118954]
多体局在は、量子多体物理学の非常に難しい現象である。
計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。
我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
論文 参考訳（メタデータ） (2022-02-17T19:00:09Z) - Bridging the reality gap in quantum devices with physics-aware machine
learning [0.0]
物質欠陥の予測不可能な分布によって引き起こされる障害は、現実のギャップに対する主要な貢献の1つである。
物理モデル,ディープラーニング,ガウス確率場,ベイズ推論を組み合わせたアプローチを用いて,このギャップを橋渡しする。
このアプローチにより、電子輸送データからナノスケール電子デバイスの障害電位を推定できる。
論文 参考訳（メタデータ） (2021-11-22T15:45:01Z) - 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) - On exploring practical potentials of quantum auto-encoder with
advantages [92.19792304214303]
量子オートエンコーダ(QAE)は、量子物理学で遭遇する次元の呪いを和らげるための強力なツールである。
我々はQAEを用いて固有値を効率的に計算し、高次元量子状態の対応する固有ベクトルを作成できることを証明した。
低ランク状態の忠実度推定,量子ギブス状態準備,量子メトロジーの課題を解決するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳（メタデータ） (2021-03-08T17:24:29Z) - Gaussian boson sampling and multi-particle event optimization by machine
learning in the quantum phase space [0.11421942894219898]
量子位相空間における多体ガウス状態の特性関数を表現するためにニューラルネットワークを用いる。
自動微分によるボソンパターンの確率を計算する。
この結果は、量子技術のための新しいソースと複雑な回路の作成に潜在的に有用である。
論文 参考訳（メタデータ） (2021-02-24T09:08:15Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳（メタデータ） (2021-02-09T13:48:00Z) - Enhancing Generative Models via Quantum Correlations [1.6099403809839032]
確率分布から抽出したサンプルを用いた生成モデリングは教師なし機械学習の強力なアプローチである。
このような量子相関が生成モデリングの強力な資源となることを理論的に示す。
この分離を標準的な機械学習データセットで数値的にテストし、実用的な問題に耐えることを示します。
論文 参考訳（メタデータ） (2021-01-20T22:57:22Z)
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。