論文の概要: QuantumFed: A Federated Learning Framework for Collaborative Quantum Training

• arxiv url: http://arxiv.org/abs/2106.09109v1
• Date: Wed, 16 Jun 2021 20:28:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-18 15:40:44.294837
• Title: QuantumFed: A Federated Learning Framework for Collaborative Quantum Training
• Title（参考訳）: quantumfed:協調的な量子トレーニングのための連合学習フレームワーク
• Authors: Qun Xia, Qun Li
• Abstract要約: 本稿では,複数の量子ノードを持つ量子連合学習フレームワークであるQuantumFedを提案する。 我々の実験は、我々のフレームワークの実現可能性と堅牢性を示している。
• 参考スコア（独自算出の注目度）: 8.265776964560674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the fast development of quantum computing and deep learning, quantum neural networks have attracted great attention recently. By leveraging the power of quantum computing, deep neural networks can potentially overcome computational power limitations in classic machine learning. However, when multiple quantum machines wish to train a global model using the local data on each machine, it may be very difficult to copy the data into one machine and train the model. Therefore, a collaborative quantum neural network framework is necessary. In this article, we borrow the core idea of federated learning to propose QuantumFed, a quantum federated learning framework to have multiple quantum nodes with local quantum data train a mode together. Our experiments show the feasibility and robustness of our framework.
• Abstract（参考訳）: 量子コンピューティングとディープラーニングの急速な発展により、量子ニューラルネットワークは最近大きな注目を集めている。 量子コンピューティングのパワーを活用することで、ディープニューラルネットワークは古典的な機械学習における計算能力の限界を克服することができる。 しかしながら、複数の量子マシンが各マシンのローカルデータを使用してグローバルモデルをトレーニングしたい場合、データを1台のマシンにコピーしてモデルをトレーニングするのは非常に困難である。 したがって、協調的な量子ニューラルネットワークフレームワークが必要である。 本稿では,複数の量子ノードを持つ量子連合学習フレームワークであるQuantumFedを提案するために,フェデレート学習のコアアイデアを借用する。 実験では,フレームワークの実現可能性と堅牢性を示す。

関連論文リスト

• What is my quantum computer good for? Quantum capability learning with physics-aware neural networks [0.0]
  本稿では,学習能力モデルのための量子物理学的ニューラルネットワークアーキテクチャを提案する。 我々のアーキテクチャは、量子プログラムにおけるエラーの物理に対する効率的な近似とグラフニューラルネットワークの側面を組み合わせる。 このアプローチは、実験データとシミュレーションデータの両方における平均絶対誤差を最大$sim50%$還元する。
  論文  参考訳（メタデータ） (2024-06-09T04:11:41Z)
• Towards Federated Learning on the Quantum Internet [2.869565958847859]
  量子インターネットは、分散や盲目的の量子コンピューティングのような多くのアプリケーションを可能にする。 我々は、量子インターネット、すなわち量子フェデレーション学習の潜在的な応用について評価する。
  論文  参考訳（メタデータ） (2024-02-15T11:58:42Z)
• 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)
• 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)
• Quantum NETwork: from theory to practice [9.506954148435801]
  我々は,理論と実験の両方の観点から,量子ネットワークの分野の最新のレビューを行うことを目標としている。 本稿では,革新的なアイデアの探索と評価を容易にするために,新たに開発された量子ネットワークツールキットを提案する。
  論文  参考訳（メタデータ） (2022-12-02T15:05:25Z)
• An Invitation to Distributed Quantum Neural Networks [0.0]
  分散量子ニューラルネットワークにおける技術の現状を概観する。 量子データセットの分布は、量子モデルの分布よりも古典的な分布と類似性があることが分かる。
  論文  参考訳（メタデータ） (2022-11-14T00:27:01Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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 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)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。