論文の概要: Experimental Quantum Learning of a Spectral Decomposition
- arxiv url: http://arxiv.org/abs/2104.03295v1
- Date: Wed, 7 Apr 2021 17:53:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 02:09:23.812122
- Title: Experimental Quantum Learning of a Spectral Decomposition
- Title（参考訳）: スペクトル分解の実験量子学習
- Authors: Michael R. Geller, Zo\"e Holmes, Patrick J. Coles, and Andrew
Sornborger
- Abstract要約: 現在利用可能な量子ハードウェアは、量子機械学習アルゴリズムの小規模実装を可能にする。
ここでは、3つのパラメタライズド量子回路のシーケンスによる2量子ユニタリの量子学習を実演する。
我々は、そのスペクトル分解を学習するために、ユニタリを変動的に対角化する。
- 参考スコア（独自算出の注目度）: 1.0499611180329804
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Currently available quantum hardware allows for small scale implementations
of quantum machine learning algorithms. Such experiments aid the search for
applications of quantum computers by benchmarking the near-term feasibility of
candidate algorithms. Here we demonstrate the quantum learning of a two-qubit
unitary by a sequence of three parameterized quantum circuits containing a
total of 21 variational parameters. Moreover, we variationally diagonalize the
unitary to learn its spectral decomposition, i.e., its eigenvalues and
eigenvectors. We illustrate how this can be used as a subroutine to compress
the depth of dynamical quantum simulations. One can view our implementation as
a demonstration of entanglement-enhanced machine learning, as only a single
(entangled) training data pair is required to learn a 4x4 unitary matrix.
- Abstract（参考訳）: 現在利用可能な量子ハードウェアは、量子機械学習アルゴリズムの小規模実装を可能にする。
このような実験は、候補アルゴリズムの短期的実現可能性のベンチマークによる量子コンピュータの応用の探索に役立つ。
ここでは、21の変分パラメータを含む3つのパラメータ化量子回路のシーケンスによる2量子ユニタリの量子学習を実証する。
さらに、ユニタリを変動的に対角化し、スペクトル分解、すなわち固有値と固有ベクトルを学習する。
我々は、これをサブルーチンとして、動的量子シミュレーションの深さを圧縮する方法を説明する。
4x4ユニタリマトリクスを学ぶには、1つの(エンタングル)トレーニングデータペアのみが必要であるため、この実装を、エンタングルメント強化機械学習のデモンストレーションと捉えることができます。
関連論文リスト
- Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning [14.379311972506791]
正確な量子状態の読み出しは、トモグラフィーの複雑さによってボトルネックとなる。
量子微分方程式の出力を量子データとして扱い、低次元の出力を抽出できることを実証する。
この量子科学機械学習手法を用いて衝撃波の検出と乱流モデリングの解を分類する。
論文 参考訳（メタデータ） (2024-11-21T16:09:08Z) - 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) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - An Amplitude-Based Implementation of the Unit Step Function on a Quantum
Computer [0.0]
量子コンピュータ上での単位ステップ関数の形で非線形性を近似するための振幅に基づく実装を提案する。
より先進的な量子アルゴリズムに埋め込まれた場合、古典的コンピュータから直接入力を受ける2つの異なる回路タイプを量子状態として記述する。
論文 参考訳（メタデータ） (2022-06-07T07:14:12Z) - Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。
これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。
また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
論文 参考訳（メタデータ） (2021-11-05T16:36:09Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳（メタデータ） (2021-07-08T17:59:55Z) - 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) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Quantum ensemble of trained classifiers [2.048335092363436]
量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。
量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
論文 参考訳（メタデータ） (2020-07-18T01:01:33Z) - Variational Quantum Singular Value Decomposition [8.145223158030259]
特異値分解のための変分量子アルゴリズム(VQSVD)を提案する。
特異値の変動原理とKy Fan Theoremを利用して、2つの量子ニューラルネットワークが特異ベクトルを学習し、対応する特異値を出力するように、新しい損失関数を設計する。
我々の研究は、Hermitianデータのみを扱う従来のプロトコルを超えて、量子情報処理のための新しい道を探究する。
論文 参考訳（メタデータ） (2020-06-03T15:32:08Z)
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。