論文の概要: Markovian Quantum Neuroevolution for Machine Learning

• arxiv url: http://arxiv.org/abs/2012.15131v2
• Date: Tue, 2 Nov 2021 14:41:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 07:56:14.202515
• Title: Markovian Quantum Neuroevolution for Machine Learning
• Title（参考訳）: 機械学習のためのマルコフ量子神経進化
• Authors: Zhide Lu, Pei-Xin Shen, Dong-Ling Deng
• Abstract要約: 本稿では,機械学習タスクに最適な量子ニューラルネットワークを自律的に見つける量子神経進化アルゴリズムを提案する。 特に、量子回路と有向グラフの1対1マッピングを確立し、適切なゲート列を見つける問題を減らす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neuroevolution, a field that draws inspiration from the evolution of brains in nature, harnesses evolutionary algorithms to construct artificial neural networks. It bears a number of intriguing capabilities that are typically inaccessible to gradient-based approaches, including optimizing neural-network architectures, hyperparameters, and even learning the training rules. In this paper, we introduce a quantum neuroevolution algorithm that autonomously finds near-optimal quantum neural networks for different machine-learning tasks. In particular, we establish a one-to-one mapping between quantum circuits and directed graphs, and reduce the problem of finding the appropriate gate sequences to a task of searching suitable paths in the corresponding graph as a Markovian process. We benchmark the effectiveness of the introduced algorithm through concrete examples including classifications of real-life images and symmetry-protected topological states. Our results showcase the vast potential of neuroevolution algorithms in quantum architecture search, which would boost the exploration towards quantum-learning advantage with noisy intermediate-scale quantum devices.
• Abstract（参考訳）: 自然界における脳の進化からインスピレーションを得る分野である神経進化は、進化アルゴリズムを利用して人工ニューラルネットワークを構築する。 ニューラルネットワークアーキテクチャの最適化、ハイパーパラメータ、さらにはトレーニングルールの学習など、勾配ベースのアプローチには一般的にアクセスできない興味深い機能が数多く備えています。 本稿では,機械学習タスクに最適な量子ニューラルネットワークを自律的に見つける量子神経進化アルゴリズムを提案する。 特に,量子回路と有向グラフの1対1のマッピングを確立し,対応するグラフの適切な経路をマルコフ過程として探索するタスクに対して,適切なゲート列を求める問題を軽減する。 実生活画像の分類や対称性を保護したトポロジカルな状態を含む具体例を通して,導入アルゴリズムの有効性を検証した。 その結果、量子アーキテクチャ探索におけるニューロ進化アルゴリズムの膨大な可能性を示し、ノイズの多い中間スケール量子デバイスによる量子学習の優位性への探索を促進する。

関連論文リスト

• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• Enhanced quantum state preparation via stochastic prediction of neural network [0.8287206589886881]
  本稿では,ニューラルネットワークの知識盲点を生かして,アルゴリズムの有効性を高めるための興味深い道を探る。 本手法は,半導体ダブル量子ドットシステムにおける任意の量子状態の生成に使用される機械学習アルゴリズムを中心にしている。 ニューラルネットワークが生成した予測を活用することにより、最適化プロセスの導出により、局所最適化を回避できる。
  論文  参考訳（メタデータ） (2023-07-27T09:11:53Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• 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)
• Machine-learning assisted quantum control in random environment [3.8580539160777625]
  本稿では,ニューラルネットワークに基づく機械学習アルゴリズムの概念実証と解析について紹介する。 畳み込みニューラルネットワークは、障害を認識できるため、この問題を解決可能であることを示す。 提案アルゴリズムの精度は障害パターンの高次元マッピングにより向上することを示した。
  論文  参考訳（メタデータ） (2022-02-21T15:12:39Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Quantum activation functions for quantum neural networks [0.0]
  情報を符号化する状態を測定することなく、必要な精度で解析関数を近似する方法を示す。 この結果は,ゲートモデル量子コンピュータのアーキテクチャにおける人工ニューラルネットワークの科学を再放送するものである。
  論文  参考訳（メタデータ） (2022-01-10T23:55:49Z)
• 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)
• Variational learning for quantum artificial neural networks [0.0]
  まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。 次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。 メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
  論文  参考訳（メタデータ） (2021-03-03T16:10:15Z)
• Methods for Accelerating Geospatial Data Processing Using Quantum Computers [0.0]
  本稿では,畳み込みニューラルネットワークに対する普遍量子エンハンスメントを用いた衛星画像分類手法について述べる。 この領域では、これまでの量子的取り組みよりもパフォーマンスが向上し、最終的に量子的優位性につながる可能性のある潜在的な改善が特定できる。 SAT-4衛星画像データセットを用いてこれらのネットワークをベンチマークし、宇宙産業における機械学習技術の有用性を実証する。
  論文  参考訳（メタデータ） (2020-04-07T02:14:51Z)

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。