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: 処理完了
- 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
- 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 advantage in temporally flat measurement-based quantum
computation [3.6095388702618414]
本研究では, 計測に基づく量子計算の効率性について検討した。
非適応MBQCを用いた決定論的評価が可能なブール関数群を同定する。
論文 参考訳(メタデータ) (2022-12-07T14:34:56Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳(メタデータ) (2022-09-01T17:08:41Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳(メタデータ) (2022-06-09T17:58:15Z) - Quantum algorithms for grid-based variational time evolution [50.591267188664666]
本稿では,第1量子化における量子力学の実行のための変分量子アルゴリズムを提案する。
シミュレーションでは,従来観測されていた変動時間伝播手法の数値不安定性を示す。
論文 参考訳(メタデータ) (2022-03-04T19:00:45Z) - 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) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳(メタデータ) (2021-06-24T20:16:02Z) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳(メタデータ) (2021-04-19T00:41:43Z) - 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) - Bayesian Quantum Multiphase Estimation Algorithm [0.0]
複数の任意位相の並列(同時)推定について検討する。
このアルゴリズムは特定の雑音耐性を証明し、単一光子と標準光学素子を用いて実装することができる。
論文 参考訳(メタデータ) (2020-10-18T19:32:07Z)
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。