論文の概要: On quantum neural networks

• arxiv url: http://arxiv.org/abs/2104.07106v1
• Date: Mon, 12 Apr 2021 18:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 01:35:14.236618
• Title: On quantum neural networks
• Title（参考訳）: 量子ニューラルネットワークについて
• Authors: Alexandr A. Ezhov
• Abstract要約: 量子ニューラルネットワークの概念は、その最も一般的な関数の観点から定義されるべきである。 我々の推論は、量子力学におけるファインマン経路積分定式化の利用に基づいている。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The early definition of a quantum neural network as a new field that combines the classical neurocomputing with quantum computing was rather vague and satisfactory in the 2000s. The widespread in 2020 modern definition of a quantum neural network as a model or machine learning algorithm that combines the functions of quantum computing with artificial neural networks deprives quantum neural networks of their fundamental importance. We argue that the concept of a quantum neural network should be defined in terms of its most general function as a tool for representing the amplitude of an arbitrary quantum process. Our reasoning is based on the use of the Feynman path integral formulation in quantum mechanics. This approach has been used in many works to investigate the main problem of quantum cosmology, such as the origin of the Universe. In fact, the question of whether our Universe is a quantum computer was posed by Seth Lloyd, who gave the answer is yes, but we argue that the universe can be thought of as a quantum neural network.
• Abstract（参考訳）: 古典的ニューロコンピューティングと量子コンピューティングを組み合わせた新しい分野としての量子ニューラルネットワークの初期定義は、2000年代には曖昧で満足できるものだった。 2020年に普及した量子ニューラルネットワークは、量子コンピューティングと人工ニューラルネットワークの機能を組み合わせたモデルまたは機械学習アルゴリズムとして定義されており、量子ニューラルネットワークの基本的重要性を損なう。 量子ニューラルネットワークの概念は、任意の量子過程の振幅を表すツールとして、最も一般的な関数として定義されるべきである。 我々の推論は、量子力学におけるファインマン経路積分公式の使用に基づいている。 このアプローチは多くの研究で、宇宙の起源のような量子宇宙論の主な問題を研究するために使われてきた。 実際、我々の宇宙が量子コンピュータであるかどうかという問題は、答えを述べたセス・ロイド(seth lloyd)によって提起されたが、我々は宇宙は量子ニューラルネットワークと考えることができると主張している。

関連論文リスト

• Deep Quantum Graph Dreaming: Deciphering Neural Network Insights into Quantum Experiments [0.5242869847419834]
  ニューラルネットワークが量子光学実験で何を学ぶかを調べるために、$inception$または$deep$$dreaming$というテクニックを使用します。 私たちのストーリーは、量子システムの特性に関するディープニューラルネットワークのトレーニングから始まります。 ネットワークは、量子システムの特性の初期分布をシフトすることができ、ニューラルネットワークの学習戦略を概念化できる。
  論文  参考訳（メタデータ） (2023-09-13T16:13:54Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Experimental verification of the quantum nature of a neural network [0.0]
  システムを量子化する理由と、ニューラルネットワークが量子残基を持つと解釈できる範囲について論じる。 古典的ニューラルネットワークの量子関数規則(マップ)から絡み合いを抽出できる可能性のある実験を提案する。
  論文  参考訳（メタデータ） (2022-08-23T06:33:59Z)
• Are classical neural networks quantum? [0.0]
  ニューラルネットワークは、波動関数の近似として、多くの粒子系の状態空間の探索を改善するために使用されている。 ここでは、システムを量子化する理由と、ニューラルネットワークが量子残基を持つと解釈できる範囲について論じます。
  論文  参考訳（メタデータ） (2022-05-31T09:33:51Z)
• A prototype of quantum von Neumann architecture [0.0]
  我々は、フォン・ノイマンアーキテクチャの量子バージョンである普遍量子コンピュータシステムのモデルを提案する。 量子メモリユニットの要素としてebitを使用し、量子制御ユニットと処理ユニットの要素としてqubitを使用する。 本研究は,量子情報の多様体パワーを実証し,量子コンピュータシステム構築の道を開くものである。
  論文  参考訳（メタデータ） (2021-12-17T06:33:31Z)
• Exploration of Quantum Neural Architecture by Mixing Quantum Neuron Designs [23.747282946165097]
  本稿では、量子ニューロン設計を混合して量子ニューラルアーキテクチャを構築するための最初の試みを行う。 既存の量子ニューロンの設計は、変動量子回路(VQC)や量子フロー(QuantumFlow)のニューロンなど、かなり異なるが相補的なものである。 我々はこれらを混ぜ合わせて,コストのかかる測定を伴わずにシームレスに接続する方法を提案する。
  論文  参考訳（メタデータ） (2021-09-08T17:47:54Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• 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)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)

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。