論文の概要: Modeling Time-Dependent Systems using Dynamic Quantum Bayesian Networks
- arxiv url: http://arxiv.org/abs/2107.00713v1
- Date: Thu, 1 Jul 2021 19:41:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 20:33:47.909381
- Title: Modeling Time-Dependent Systems using Dynamic Quantum Bayesian Networks
- Title（参考訳）: 動的量子ベイズネットワークを用いた時間依存系のモデリング
- Authors: Sima E. Borujeni, Saideep Nannapaneni
- Abstract要約: 動的量子ベイズネットワーク(DQBN)を用いた時間依存システム挙動のモデル化について検討する。
本稿では,DBNのモデリング能力と量子振幅増幅の計算的利点を組み合わせて,時間依存システムの効率的なモデリングと制御を行う。
提案するDQBNフレームワークをIBM Qハードウェア上で実装し,その性能を従来のDBN実装とIBM Qiskitシミュレータと比較する。
- 参考スコア（独自算出の注目度）: 1.14219428942199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advances in data collection using inexpensive sensors have enabled monitoring
the performance of dynamic systems, and to implement appropriate control
actions to improve their performance. Moreover, engineering systems often
operate under uncertain conditions; therefore, the real-time decision-making
framework should not only consider real-time sensor data processing but also
several uncertainty sources that may impact the performance of dynamic systems.
In this paper, we investigate the modeling of such time-dependent system
behavior using a dynamic quantum Bayesian network (DQBN), which is the quantum
version of a classical dynamic Bayesian network (DBN). The DBN framework has
been extensively used in various domains for its ability to model stochastic
relationships between random variables across time. The use of the quantum
amplitude amplification algorithm provides quadratic speedup for inference and
prediction in Bayesian networks. In this paper, we combine the modeling
capabilities of DBN with the computational advantage of quantum amplitude
amplification for efficient modeling and control of time-dependent systems. We
implement the proposed DQBN framework on IBM Q hardware, and compare its
performance with classical DBN implementation and the IBM Qiskit simulator.
- Abstract（参考訳）: 安価なセンサを用いたデータ収集の進歩により、動的システムの性能の監視が可能となり、その性能を改善するための適切な制御アクションが実装された。
さらに、エンジニアリングシステムはしばしば不確定な条件下で動作するため、リアルタイム意思決定フレームワークはリアルタイムセンサデータ処理だけでなく、動的システムの性能に影響を与える可能性のあるいくつかの不確実性源も考慮すべきである。
本稿では,古典的動的ベイズネットワーク(dbn)の量子バージョンである動的量子ベイズネットワーク(dqbn)を用いて,そのような時間依存系の振る舞いのモデル化について検討する。
DBNフレームワークは、時間にわたってランダム変数間の確率的関係をモデル化する能力のために、様々な領域で広く使われている。
量子振幅増幅アルゴリズムを用いることで、ベイジアンネットワークにおける推測と予測の2次高速化が実現される。
本稿では,DBNのモデリング能力と量子振幅増幅の計算的利点を組み合わせて,時間依存システムの効率的なモデリングと制御を行う。
提案するDQBNフレームワークをIBM Qハードウェア上で実装し,その性能を従来のDBN実装とIBM Qiskitシミュレータと比較する。
関連論文リスト
- A short trajectory is all you need: A transformer-based model for long-time dissipative quantum dynamics [0.0]
深層人工知能ニューラルネットワークは、散逸環境に結合した量子システムの長時間の人口動態を予測することができることを示す。
我々のモデルは、リカレントニューラルネットワークのような古典的な予測モデルよりも正確です。
論文 参考訳（メタデータ） (2024-09-17T16:17:52Z) - Higher order quantum reservoir computing for non-intrusive reduced-order models [0.0]
量子貯水池計算技術(QRC)は、相互接続された小さな量子系のアンサンブルを利用するハイブリッド量子古典的フレームワークである。
QRCは, 複雑な非線形力学系を安定かつ高精度に予測できることを示す。
論文 参考訳（メタデータ） (2024-07-31T13:37:04Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Real-time Neural-MPC: Deep Learning Model Predictive Control for
Quadrotors and Agile Robotic Platforms [59.03426963238452]
モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。
ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
論文 参考訳（メタデータ） (2022-03-15T09:38:15Z) - Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。
トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文 参考訳（メタデータ） (2021-12-15T20:09:20Z) - Deep Explicit Duration Switching Models for Time Series [84.33678003781908]
状態依存型と時間依存型の両方のスイッチングダイナミクスを識別できるフレキシブルモデルを提案する。
状態依存スイッチングは、リカレントな状態-スイッチ接続によって実現される。
時間依存スイッチング動作を改善するために、明示的な期間カウント変数が使用される。
論文 参考訳（メタデータ） (2021-10-26T17:35:21Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Role of stochastic noise and generalization error in the time
propagation of neural-network quantum states [0.0]
ニューラルネットワーク量子状態(NQS)は、平衡外力学をシミュレートするのに適切な変分アンサッツであることが示されている。
安定かつ正確な時間伝搬は、十分に規則化された変動力学のレギュレーションで達成できることを示す。
論文 参考訳（メタデータ） (2021-05-03T17:55:09Z) - Bilinear dynamic mode decomposition for quantum control [4.069849286089743]
本研究では,データ駆動型回帰手法である双線形動的モード分解(biDMD)を開発し,時系列測定を用いてQOCの量子システム同定を行う。
本研究は,いくつかの代表量子系に対するアプローチの有効性と性能を実証し,実験結果と一致したことを示す。
論文 参考訳（メタデータ） (2020-10-27T19:38:58Z) - Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。
暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。
これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文 参考訳（メタデータ） (2020-06-08T09:53:35Z) - Physics-Informed Neural Networks for Non-linear System Identification
for Power System Dynamics [0.0]
本稿では,将来の電力系統の周波数ダイナミクスを発見するための物理情報ニューラルネットワーク(PINN)の性能について検討する。
PINNは、低慣性システムのより強い非線形性、測定ノイズの増加、データの可用性の制限といった課題に対処する可能性がある。
論文 参考訳（メタデータ） (2020-04-08T14:50:13Z)
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。