論文の概要: Quantum machine learning with adaptive linear optics
- arxiv url: http://arxiv.org/abs/2102.04579v1
- Date: Mon, 8 Feb 2021 23:56:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-02-10 14:51:46.214168
- Title: Quantum machine learning with adaptive linear optics
- Title（参考訳）: 適応線形光学を用いた量子機械学習
- Authors: Ulysse Chabaud, Damian Markham, and Adel Sohbi
- Abstract要約: 本稿では,量子デバイスを用いて計算サブルーチンを実行する教師付き学習アルゴリズムについて検討する。
我々は、線形光学系におけるボソンサンプリングアーキテクチャを用いて、これらの量子サブルーチンの実装を設計し、適応的な測定によって補足する。
- 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: We study supervised learning algorithms in which a quantum device is used to
perform a computational subroutine - either for prediction via probability
estimation, or to compute a kernel via estimation of quantum states overlap. We
design implementations of these quantum subroutines using Boson Sampling
architectures in linear optics, supplemented by adaptive measurements. We then
challenge these quantum algorithms by deriving classical simulation algorithms
for the tasks of output probability estimation and overlap estimation. We
obtain different classical simulability regimes for these two computational
tasks in terms of the number of adaptive measurements and input photons. In
both cases, our results set explicit limits to the range of parameters for
which a quantum advantage can be envisaged with adaptive linear optics compared
to classical machine learning algorithms: we show that the number of input
photons and the number of adaptive measurements cannot be simultaneously small
compared to the number of modes. Interestingly, our analysis leaves open the
possibility of a near-term quantum advantage with a single adaptive
measurement.
- Abstract（参考訳）: 本研究では,量子デバイスを用いて確率推定による予測や,量子状態の重複推定によるカーネル計算を行う教師付き学習アルゴリズムについて検討した。
線形光学系におけるボゾンサンプリングアーキテクチャを用いて,これらの量子サブルーチンの実装を適応計測によって補う。
次に、これらの量子アルゴリズムに対して、出力確率推定と重なり推定のタスクを古典シミュレーションアルゴリズムから導出することで挑戦する。
我々は,これら2つの計算課題に対して,適応計測数と入力光子数で異なる古典的シミュラビリティレジームを求める。
どちらの場合も、古典的機械学習アルゴリズムと比較して量子優位性が適応線形光学で想定できるパラメータの範囲に明確な制限を設け、入力光子の数と適応測定の回数をモードの数と比較すると同時に小さくすることはできないことを示した。
興味深いことに、私たちの分析は、単一の適応測定で近い将来の量子優位性の可能性を開きます。
関連論文リスト
- Fast Expectation Value Calculation Speedup of Quantum Approximate Optimization Algorithm: HoLCUs QAOA [55.2480439325792]
本稿では,LCU演算子の線形結合として表現できる演算子の期待値を計算するための新しい手法を提案する。
この方法は任意の量子アルゴリズムに対して一般的であり、変分量子アルゴリズムの加速に特に関心がある。
論文 参考訳（メタデータ） (2025-03-03T17:15:23Z) - Quantum machine learning with Adaptive Boson Sampling via post-selection [0.42110855444787276]
本稿では,Boson Smplingプラットフォームにポストセレクションによる適応性を加えることで,量子機械学習プロトコルの実験的実装について報告する。
実験結果から,適応ボソンサンプリングは次元強化量子機械学習への有効な経路であることが示された。
論文 参考訳（メタデータ） (2025-02-27T17:32:05Z) - 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 Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Differentiation of Linear Optical Circuits [0.0]
本稿では、線形光回路の解析勾配を評価するための古典的および量子的アルゴリズムを開発する。
実測統計学で生じる「相互作用しない」の観測可能な特別なクラスの期待値の勾配を計算する方法を示す。
論文 参考訳（メタデータ） (2024-01-15T22:43:22Z) - Complexity of Gaussian quantum optics with a limited number of
non-linearities [4.532517021515834]
ガウス過程の1層非線型性による遷移振幅の計算は、古典的コンピュータでは困難であることを示す。
ガウスボソンサンプリング実験の結果の確率を効率的に近似するために,この問題を効率的に解くアルゴリズムがいかに有効かを示す。
論文 参考訳（メタデータ） (2023-10-09T18:00:04Z) - Determining the ability for universal quantum computing: Testing
controllability via dimensional expressivity [39.58317527488534]
制御性テストは、外部制御の数を減らすために量子デバイスの設計に使用できる。
パラメタライズド量子回路に基づくハイブリッド量子古典アルゴリズムを考案する。
論文 参考訳（メタデータ） (2023-08-01T15:33:41Z) - Reliable optimization of arbitrary functions over quantum measurements [0.3902497155525132]
量子測定の任意の関数が与えられた場合、その最適値を得る方法はしばしば、様々な応用において基本的な重要な問題とみなされる。
我々は、ある種のアルゴリズムと凸最適化のためのいわゆるギルバートのアルゴリズムを組み合わせることで、量子測度空間上の信頼できる任意の関数を提案する。
論文 参考訳（メタデータ） (2023-02-15T09:07:15Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Randomizing multi-product formulas for Hamiltonian simulation [2.2049183478692584]
本稿では,一方のランダム化コンパイルの利点と他方の高次多重積公式を結合した量子シミュレーション手法を提案する。
本フレームワークは,振幅増幅を回避し,回路深度を低減させる。
本アルゴリズムは回路深さとともに指数関数的に縮小するシミュレーション誤差を実現する。
論文 参考訳（メタデータ） (2021-01-19T19:00:23Z) - Measuring Analytic Gradients of General Quantum Evolution with the
Stochastic Parameter Shift Rule [0.0]
本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。
マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。
私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
論文 参考訳（メタデータ） (2020-05-20T18:24:11Z) - Approximating the quantum approximate optimization algorithm with
digital-analog interactions [0.0]
ディジタルアナログパラダイムは変分量子近似最適化アルゴリズムに適していることを示す。
我々は,変分アルゴリズムが非変分アルゴリズムよりも有意な改善をもたらす,単一キュービット演算速度のレギュレーションを観察する。
論文 参考訳（メタデータ） (2020-02-27T16:01:40Z) - Programming a quantum computer with quantum instructions [39.994876450026865]
我々は密度行列化プロトコルを用いて量子データ上で量子命令を実行する。
古典的に定義されたゲートの固定列は、補助量子命令状態に一意に依存する演算を実行する。
量子命令の利用により、コストのかかるトモグラフィー状態の再構築と再コンパイルの必要性がなくなる。
論文 参考訳（メタデータ） (2020-01-23T22:43:29Z)
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。