論文の概要: Quantum Entropic Causal Inference
- arxiv url: http://arxiv.org/abs/2102.11764v1
- Date: Tue, 23 Feb 2021 15:51:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-25 13:25:34.747423
- Title: Quantum Entropic Causal Inference
- Title（参考訳）: 量子エントロピー因果推論
- Authors: Mohammad Ali Javidian, Vaneet Aggarwal, Fanglin Bao, Zubin Jacob
- Abstract要約: エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。
提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。
- 参考スコア（独自算出の注目度）: 30.939150842529052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As quantum computing and networking nodes scale-up, important open questions
arise on the causal influence of various sub-systems on the total system
performance. These questions are related to the tomographic reconstruction of
the macroscopic wavefunction and optimizing connectivity of large engineered
qubit systems, the reliable broadcasting of information across quantum networks
as well as speed-up of classical causal inference algorithms on quantum
computers. A direct generalization of the existing causal inference techniques
to the quantum domain is not possible due to superposition and entanglement. We
put forth a new theoretical framework for merging quantum information science
and causal inference by exploiting entropic principles. First, we build the
fundamental connection between the celebrated quantum marginal problem and
entropic causal inference. Second, inspired by the definition of geometric
quantum discord, we fill the gap between classical conditional probabilities
and quantum conditional density matrices. These fundamental theoretical
advances are exploited to develop a scalable algorithmic approach for quantum
entropic causal inference. We apply our proposed framework to an experimentally
relevant scenario of identifying message senders on quantum noisy links. This
successful inference on a synthetic quantum dataset can lay the foundations of
identifying originators of malicious activity on future multi-node quantum
networks. We unify classical and quantum causal inference in a principled way
paving the way for future applications in quantum computing and networking.
- Abstract（参考訳）: 量子コンピューティングとネットワークノードがスケールアップするにつれて、様々なサブシステムによるシステム全体のパフォーマンスへの影響に重要な疑問が生まれます。
これらの質問は、マクロスコピック波動関数のトモグラフィ再構築と大規模量子ビットシステムの接続の最適化、量子ネットワークをまたがる情報の信頼性の高い放送、および量子コンピュータ上の古典的な因果推論アルゴリズムの高速化に関連している。
既存の因果推論技術の量子領域への直接的一般化は、重ね合わせと絡み合いのため不可能である。
エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。
まず、有名な量子限界問題とエントロピー因果推論の間の基本的な関係を構築します。
第二に、幾何学的量子不一致の定義に触発され、古典条件確率と量子条件密度行列の間のギャップを埋める。
これらの基本的な理論的進歩を利用して、量子エントロピー因果推論のためのスケーラブルなアルゴリズムアプローチを開発する。
提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。
合成量子データセット上のこの成功した推論は、将来のマルチノード量子ネットワーク上で悪意のある活動の起源を特定する基礎を築くことができる。
我々は古典的および量子因果推論を、量子コンピューティングとネットワークにおける将来の応用への道を切り開く原則的な方法で統一する。
関連論文リスト
- Does Quantum Mechanics Breed Larger, More Intricate Quantum Theories?
The Case for Experience-Centric Quantum Theory and the Interactome of Quantum
Theories [0.0]
最近提案された経験中心量子論(ECQT)は、量子行動のより大きくよりリッチな理論であることを示す。
ECQTは、閉量子系の発達した状態履歴の量子情報を、多体相互作用の定義に継続的に貢献することを可能にする。
ECQTにおけるユニタリティと非マルコビアン性の相互作用は、様々な行動段階をもたらす。
論文 参考訳（メタデータ） (2023-08-04T16:33:24Z) - Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳（メタデータ） (2023-07-24T02:48:22Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - 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) - Learning Quantum Systems [0.0]
量子技術は、セキュアな通信、高性能コンピューティング、超精密センシングにおける画期的な応用によって、私たちの社会に革命をもたらすと約束している。
量子技術のスケールアップにおける主な特徴の1つは、量子システムの複雑さがその大きさと指数関数的にスケールすることである。
これは、量子状態の効率的なキャリブレーション、ベンチマーク、検証とその動的制御において深刻な問題を引き起こす。
論文 参考訳（メタデータ） (2022-07-01T09:47:26Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳（メタデータ） (2022-05-10T08:05:59Z) - Quantum Data Compression and Quantum Cross Entropy [0.0]
量子クロスエントロピーが準最適量子源符号化の圧縮速度として働くことを示す。
これは量子クロスエントロピーが量子機械学習アルゴリズムの損失関数として効果的に機能することを明らかにする。
論文 参考訳（メタデータ） (2021-06-25T18:00:33Z) - 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) - Quantum Causal Inference in the Presence of Hidden Common Causes: an
Entropic Approach [34.77250498401055]
エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。
提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。
このアプローチは、将来のマルチノード量子ネットワーク上で悪意のある活動の起源を特定する基礎を築くことができる。
論文 参考訳（メタデータ） (2021-04-24T22:45:50Z) - One-shot quantum error correction of classical and quantum information [10.957528713294874]
量子誤り訂正(QEC)は、量子情報科学の中心的な概念の一つである。
古典情報と量子情報の両方に対して容量定理の形式を提供する。
ショートランダム量子回路によるQECの実証は実現可能であることを示す。
論文 参考訳（メタデータ） (2020-11-02T01:24:59Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。