Fugu-MT 論文翻訳(概要): Neural networks for on-the-fly single-shot state classification

論文の概要: Neural networks for on-the-fly single-shot state classification

arxiv url: http://arxiv.org/abs/2107.05857v2
Date: Wed, 17 Nov 2021 07:20:45 GMT
ステータス: 処理完了
システム内更新日: 2023-03-22 11:54:45.438342
Title: Neural networks for on-the-fly single-shot state classification
Title（参考訳）: オンザフライ単発状態分類のためのニューラルネットワーク
Authors: Rohit Navarathna, Tyler Jones, Tina Moghaddam, Anatoly Kulikov, Rohit Beriwal, Markus Jerger, Prasanna Pakkiam and Arkady Fedorov
Abstract要約: 単発量子計測における状態分類へのニューラルネットワークの適用について検討する。本手法は,ハードドライブへの大規模なデータ転送を必要とせず,オーバヘッドなしでオンザフライデータ処理が可能となる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neural networks have proven to be efficient for a number of practical applications ranging from image recognition to identifying phase transitions in quantum physics models. In this paper we investigate the application of neural networks to state classification in a single-shot quantum measurement. We use dispersive readout of a superconducting transmon circuit to demonstrate an increase in assignment fidelity for both two and three state classification. More importantly, our method is ready for on-the-fly data processing without overhead or need for large data transfer to a hard drive. In addition we demonstrate the capacity of neural networks to be trained against experimental imperfections, such as phase drift of a local oscillator in a heterodyne detection scheme.
Abstract（参考訳）: ニューラルネットワークは、画像認識から量子物理学モデルにおける位相遷移の同定まで、多くの実用的な応用において効率的であることが証明されている。本稿では,ニューラルネットワークの単発量子計測における状態分類への応用について検討する。超伝導トランスモン回路の分散読み出しにより, 2状態分類と3状態分類の割り当て忠実度が向上することを示す。さらに重要なこととして,本手法はオーバーヘッドなくオンザフライデータ処理が可能であり,ハードディスクへの大規模なデータ転送も不要である。さらに,ヘテロダイン検出法において,局所発振器の位相ドリフトなどの実験不完全性に対してニューラルネットワークを訓練する能力を示す。

関連論文リスト

Fluctuation based interpretable analysis scheme for quantum many-body snapshots [0.0]
物質の微視的理解と分類は、強相関量子物理学の中心にある。ここでは、混乱学習と相関畳み込みニューラルネットワークを組み合わせることで、完全に解釈可能な位相検出を行う。我々の研究は、解釈可能な量子画像処理における新しい方向を、長距離の順序に相応しいものに開放する。
論文参考訳（メタデータ） (2023-04-12T17:59:59Z)
Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文参考訳（メタデータ） (2023-03-17T18:00:27Z)
Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
論文参考訳（メタデータ） (2023-03-06T18:59:13Z)
Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文参考訳（メタデータ） (2022-06-30T17:45:05Z)
A Classical-Quantum Convolutional Neural Network for Detecting Pneumonia from Chest Radiographs [0.0]
胸部X線写真から肺炎を検出する問題に対して,変分量子回路を古典的ニューラルネットワークに統合する方法を示す。胸部X線写真を含む画像データセット上で両ネットワークをトレーニングし,その性能をベンチマークする。このハイブリッドネットワークは,異なる性能指標において従来のネットワークよりも優れており,これらの改善は統計的に有意であることを示す。
論文参考訳（メタデータ） (2022-02-19T05:13:37Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文参考訳（メタデータ） (2021-06-10T04:21:20Z)
Quantum Self-Supervised Learning [22.953284192004034]
対照的自己監督学習のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 ibmq_paris量子コンピュータ上の見えない画像を分類するために、最良の量子モデルを適用します。
論文参考訳（メタデータ） (2021-03-26T18:00:00Z)
Noise-robust classification of single-shot electron spin readouts using a deep neural network [2.9123559461323016]
量子点接触や量子ドットといった電荷センサによる電荷状態とスピン状態の単発読み出しは、半導体スピン量子ビットの動作に欠かせない技術である。ディープニューラルネットワーク(DNN)を用いたノイズに頑健な単一ショット読み出し分類法を提案する。本研究では,ディープニューラルネットワーク(DNN)を用いたノイズに頑健な単一ショット読み出し分類法を提案する。
論文参考訳（メタデータ） (2020-12-20T04:26:40Z)
Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文参考訳（メタデータ） (2020-07-31T17:25:12Z)
Probing Criticality in Quantum Spin Chains with Neural Networks [0.0]
隠れた層を持たないニューラルネットワークでさえ、磁気秩序と乱れ相の区別を効果的に訓練できることが示される。我々の結果は、相互作用する量子多体系の幅広いクラスに拡張され、多体量子物理学へのニューラルネットワークの広範な適用性を示す。
論文参考訳（メタデータ） (2020-05-05T12:34:50Z)

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。