Fugu-MT 論文翻訳(概要): Matrix Product State Pre-Training for Quantum Machine Learning

論文の概要: Matrix Product State Pre-Training for Quantum Machine Learning

arxiv url: http://arxiv.org/abs/2106.05742v2
Date: Wed, 14 Jul 2021 14:53:05 GMT
ステータス: 処理完了
システム内更新日: 2023-03-27 02:00:21.457974
Title: Matrix Product State Pre-Training for Quantum Machine Learning
Title（参考訳）: 量子機械学習のためのマトリックス製品状態事前学習
Authors: James Dborin, Fergus Barratt, Vinul Wimalaweera, Lewis Wright, Andrew G. Green
Abstract要約: 並列量子回路(PQC)は、量子化学と量子最適化問題の基盤として使われてきた。本稿では,行列製品状態機械学習に基づく回路事前学習手法を提案する。
参考スコア（独自算出の注目度）: 0.1259953341639576
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hybrid Quantum-Classical algorithms are a promising candidate for developing uses for NISQ devices. In particular, Parametrised Quantum Circuits (PQCs) paired with classical optimizers have been used as a basis for quantum chemistry and quantum optimization problems. Training PQCs relies on methods to overcome the fact that the gradients of PQCs vanish exponentially in the size of the circuits used. Tensor network methods are being increasingly used as a classical machine learning tool, as well as a tool for studying quantum systems. We introduce a circuit pre-training method based on matrix product state machine learning methods, and demonstrate that it accelerates training of PQCs for both supervised learning, energy minimization, and combinatorial optimization.
Abstract（参考訳）: ハイブリッド量子古典アルゴリズムは、nisqデバイスの開発に有望な候補である。特に、パラメトリス量子回路(pqcs)と古典最適化器を組み合わせることは、量子化学や量子最適化問題の基礎として用いられてきた。トレーニングPQCは、PQCの勾配が使用される回路のサイズで指数関数的に消えるという事実を克服する手法に依存している。テンソルネットワークの手法は、古典的な機械学習ツールや量子システムの研究ツールとして、ますます使われている。本研究では,行列製品状態機械学習に基づく回路事前学習手法を導入し,教師付き学習,エネルギー最小化,組合せ最適化の両面においてPQCの学習を高速化することを示す。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
QTRL: Toward Practical Quantum Reinforcement Learning via Quantum-Train [18.138290778243075]
我々はQTRLと呼ばれる強化学習タスクにQuantum-Train法を適用し、古典的なポリシーネットワークモデルを訓練する。 QTRLのトレーニング結果は古典的なモデルであり、推論段階は古典的なコンピュータのみを必要とする。
論文参考訳（メタデータ） (2024-07-08T16:41:03Z)
Variational Quantum Approximate Spectral Clustering for Binary Clustering Problems [0.7550566004119158]
本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。 VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。合成と実世界の両方のデータセットから得られた数値結果について述べる。
論文参考訳（メタデータ） (2023-09-08T17:54:42Z)
TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文参考訳（メタデータ） (2023-01-13T09:35:05Z)
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)
Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文参考訳（メタデータ） (2022-08-29T15:24:03Z)
Reducing Unitary Coupled Cluster Circuit Depth by Classical Stochastic Amplitude Pre-Screening [0.0]
Unitary Coupled Cluster (UCC)アプローチは、量子化学計算を実行するために量子ハードウェアを利用するための魅力的な方法である。本稿では,従来のUCC前処理ステップを用いてUCCアンサッツの重要な励起を判定する,古典量子と古典量子の併用手法を提案する。
論文参考訳（メタデータ） (2021-08-24T18:34:14Z)
FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
論文参考訳（メタデータ） (2021-03-15T17:38:33Z)
Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文参考訳（メタデータ） (2020-09-02T22:46:47Z)
Hybrid quantum variational algorithm for simulating open quantum systems with near-term devices [0.0]
ハイブリッド量子古典(HQC)アルゴリズムは、古典的な計算資源によってサポートされている短期量子デバイスを使用できる。オープンシステムのダイナミクスをシミュレートするために,効率的な変分最適化手法を用いたHQCアルゴリズムを開発した。
論文参考訳（メタデータ） (2020-08-12T13:49:29Z)

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。