論文の概要: Quantum reservoir computation utilising scale-free networks
- arxiv url: http://arxiv.org/abs/2108.12131v2
- Date: Tue, 31 Aug 2021 14:08:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 01:10:02.030943
- Title: Quantum reservoir computation utilising scale-free networks
- Title(参考訳): スケールフリーネットワークを利用した量子貯水池計算
- Authors: Akitada Sakurai, Marta P. Estarellas, William J. Munro, Kae Nemoto
- Abstract要約: 我々は,スケールフリーネットワークを利用した量子優位性を示すパターン認識のための新しい貯水池計算モデルを提案する。
このアプローチの単純さは、量子複雑性の計算能力を示すとともに、そのようなプロセッサに新しいアプリケーションを提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Today's quantum processors composed of fifty or more qubits have allowed us
to enter a computational era where the output results are not easily
simulatable on the world's biggest supercomputers. What we have not seen yet,
however, is whether or not such quantum complexity can be ever useful for any
practical applications. A fundamental question behind this lies in the
non-trivial relation between the complexity and its computational power. If we
find a clue for how and what quantum complexity could boost the computational
power, we might be able to directly utilize the quantum complexity to design
quantum computation even with the presence of noise and errors. In this work we
introduce a new reservoir computational model for pattern recognition showing a
quantum advantage utilizing scale-free networks. This new scheme allows us to
utilize the complexity inherent in the scale-free networks, meaning we do not
require programing nor optimization of the quantum layer even for other
computational tasks. The simplicity in our approach illustrates the
computational power in quantum complexity as well as provide new applications
for such processors.
- Abstract(参考訳): 今日の量子プロセッサは50以上の量子ビットで構成されており、世界最大のスーパーコンピュータでは出力結果が容易にシミュレートできない計算時代に入ることができる。
しかし、我々がまだ見ていないのは、そのような量子複雑性が実用アプリケーションで役に立つかどうかだ。
この背景にある根本的な問題は、複雑性と計算能力の間の非自明な関係にある。
量子複雑性が計算能力をいかに高めるかを知る手がかりが見つかると、量子複雑性を直接利用して、ノイズやエラーがあっても量子計算を設計することができるかもしれない。
本稿では,スケールフリーネットワークを用いた量子アドバンテージを示すパターン認識のための新しい貯留層計算モデルを提案する。
この新たなスキームにより、スケールフリーネットワークに固有の複雑さを利用できる。つまり、他の計算タスクであっても、量子層のプログラム化や最適化は不要である。
このアプローチの単純さは、量子複雑性の計算能力を示し、そのようなプロセッサに新しいアプリケーションを提供する。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Character Complexity: A Novel Measure for Quantum Circuit Analysis [0.0]
本稿では,グループ理論の概念を実用的な量子コンピューティングの課題にブリッジする新しい尺度であるキャラクタ複雑度を紹介する。
キャラクタ複雑性のいくつかの重要な性質を証明し、量子回路の古典的シミュラビリティへの驚くべき接続を確立する。
本稿では、量子回路の構造に関する直感的な洞察を提供する、文字複雑性の革新的な可視化手法を提案する。
論文 参考訳(メタデータ) (2024-08-19T01:58:54Z) - Simple Hamiltonian dynamics is a powerful quantum processing resource [0.0]
50以上の物理量子ビットを持つ量子プロセッサによってホストされる4次元ヒルベルト空間は、計算タスクを実行するのに十分強力であると予想されている。
量子システムの複雑性と積分可能性/対称性の相互作用が量子ニューラルネットワークとしての性能を規定していることを示す。
論文 参考訳(メタデータ) (2024-05-23T07:24:50Z) - Towards Quantum Computational Mechanics [1.530480694206666]
本稿では、量子コンピューティングを用いて、計算ホモジェナイゼーションにおける代表要素体積(RVE)問題を解く方法について述べる。
我々の量子RVE解法は古典解法に対して指数加速度を得る。
論文 参考訳(メタデータ) (2023-12-06T12:53:02Z) - The Basis of Design Tools for Quantum Computing: Arrays, Decision
Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。
完全に自動化された量子ソフトウェアスタックを開発する必要がある。
この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文 参考訳(メタデータ) (2023-01-10T19:00:00Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - Oblivious Quantum Computation and Delegated Multiparty Quantum
Computation [61.12008553173672]
本稿では、入力量子ビットの秘密性と量子ゲートを識別するプログラムを必要とする新しい計算量子計算法を提案する。
本稿では,この課題に対する2サーバプロトコルを提案する。
また,従来の通信のみを用いて,複数のユーザがサーバにマルチパーティ量子計算を依頼する多パーティ量子計算についても論じる。
論文 参考訳(メタデータ) (2022-11-02T09:01:33Z) - Parametric Synthesis of Computational Circuits for Complex Quantum
Algorithms [0.0]
我々の量子シンセサイザーの目的は、ユーザーが高レベルなコマンドを使って量子アルゴリズムを実装できるようにすることである。
量子アルゴリズムを実装するための提案手法は、機械学習の分野で潜在的に有効である。
論文 参考訳(メタデータ) (2022-09-20T06:25:47Z) - 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) - Optimal quantum reservoir computing for the NISQ era [0.0]
このレターでは、最適な量子貯水池を選択するための基準を提供する。
以上の結果から, ゲートが著しく少ない他のモデルよりも優れた結果が得られ, 量子貯水池計算と量子状態複雑性の理論的ギャップに関する洞察も得られている。
論文 参考訳(メタデータ) (2022-05-20T12:00:27Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z)
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。