論文の概要: A Quantum Hopfield Associative Memory Implemented on an Actual Quantum Processor

• arxiv url: http://arxiv.org/abs/2105.11590v1
• Date: Tue, 25 May 2021 00:45:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-27 05:17:50.556667
• Title: A Quantum Hopfield Associative Memory Implemented on an Actual Quantum Processor
• Title（参考訳）: 量子プロセッサ上に実装された量子ホップフィールド連想メモリ
• Authors: Nathan Eli Miller and Saibal Mukhopadhyay
• Abstract要約: 本稿では,量子ホップフィールド連想メモリ(QHAM)について述べる。 QHAMは、多くの異なる機械学習アプリケーションに使用できる量子ニューロン設計に基づいている。 我々は、QHAMを量子ビットおよび回路レベルのエラーに対して有効メモリ容量をテストすることでベンチマークし、量子ハードウェアのNISQ時代におけるその能力を実証する。
• 参考スコア（独自算出の注目度）: 8.024434062411943
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present a Quantum Hopfield Associative Memory (QHAM) and demonstrate its capabilities in simulation and hardware using IBM Quantum Experience. The QHAM is based on a quantum neuron design which can be utilized for many different machine learning applications and can be implemented on real quantum hardware without requiring mid-circuit measurement or reset operations. We analyze the accuracy of the neuron and the full QHAM considering hardware errors via simulation with hardware noise models as well as with implementation on the 15-qubit ibmq_16_melbourne device. The quantum neuron and the QHAM are shown to be resilient to noise and require low qubit and time overhead. We benchmark the QHAM by testing its effective memory capacity against qubit- and circuit-level errors and demonstrate its capabilities in the NISQ-era of quantum hardware. This demonstration of the first functional QHAM to be implemented in NISQ-era quantum hardware is a significant step in machine learning at the leading edge of quantum computing.
• Abstract（参考訳）: 本稿では、量子ホップフィールド連想メモリ(QHAM)について紹介し、IBM Quantum Experienceを用いたシミュレーションおよびハードウェアにおけるその機能を示す。 QHAMは、多くの異なる機械学習アプリケーションに利用でき、中間回路計測やリセット操作を必要とせずに実際の量子ハードウェア上で実装できる量子ニューロン設計に基づいている。 ハードウェアノイズモデルによるシミュレーションと、15量子ibmq_16_melbourneデバイスの実装により、ハードウェアエラーを考慮したニューロンと完全QHAMの精度を解析する。 量子ニューロンとQHAMはノイズに耐性があり、低量子ビットと時間オーバーヘッドを必要とする。 我々は、QHAMを量子ビットおよび回路レベルのエラーに対して有効メモリ容量をテストすることでベンチマークし、量子ハードウェアのNISQ時代におけるその能力を実証する。 NISQ時代の量子ハードウェアで実装された最初の機能的QHAMのデモは、量子コンピューティングの最先端における機械学習の重要なステップである。

関連論文リスト

• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Challenges and Opportunities in Quantum Machine Learning [2.5671549335906367]
  量子機械学習(QML)は、特に量子データに対して、データ分析を加速する可能性がある。 ここでは、QMLの現在の方法と応用について概観する。 量子ニューラルネットワークと量子ディープラーニングに焦点をあてて、量子と古典的な機械学習の違いを強調します。
  論文  参考訳（メタデータ） (2023-03-16T17:10:39Z)
• Towards practical and massively parallel quantum computing emulation for quantum chemistry [10.095945254794906]
  量子コンピューティングは初期の段階を超えて、化学・生物医学の商業的応用を模索している。 量子アルゴリズムを開発し、量子ハードウェアを検証するために、古典的なコンピュータ上で量子コンピューティングをエミュレートすることが重要である。 本稿では,行列積状態に基づく高性能かつ大規模に並列な量子固有解法シミュレータについて述べる。
  論文  参考訳（メタデータ） (2023-03-07T06:44:18Z)
• 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)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
  本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。 実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。 興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
  論文  参考訳（メタデータ） (2022-04-04T21:16:06Z)
• Simulating open quantum many-body systems using optimised circuits in digital quantum simulation [0.0]
  修正シュル・オーディンガー方程式(MSSE)のトロタライゼーションを伴う開量子系のモデルについて検討する。 MSSEにおけるリードエラーの最小化は、量子回路の最適化を可能にする。 我々はこのアルゴリズムをIBM Quantumデバイス上で実行し、現在のマシンはノイズのために定量的に正確な時間力学を与えるのが困難であることを示した。
  論文  参考訳（メタデータ） (2022-03-27T13:00:02Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)
• Hybrid quantum-classical algorithms and quantum error mitigation [0.688204255655161]
  Googleは先頃、50量子ビットを超えるノイズの多い中間スケール量子デバイスを使用することで、量子超越性を達成した。 本稿では,ハイブリッド量子古典アルゴリズムと量子誤り軽減技術の基礎的結果について概説する。
  論文  参考訳（メタデータ） (2020-11-02T23:34:22Z)

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。