論文の概要: On the effects of biased quantum random numbers on the initialization of artificial neural networks

• arxiv url: http://arxiv.org/abs/2108.13329v1
• Date: Mon, 30 Aug 2021 15:50:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-31 14:27:33.960072
• Title: On the effects of biased quantum random numbers on the initialization of artificial neural networks
• Title（参考訳）: ニューラルネットワークの初期化におけるバイアス量子乱数の影響について
• Authors: Raoul Heese, Moritz Wolter, Sascha M\"ucke, Lukas Franken, Nico Piatkowski
• Abstract要約: 量子コンピュータの共通の性質は、擬ランダム性とは対照的に真のランダム性を示すことである。 最近の結果は、量子乱数を用いることで、実際に利益が得られることを示唆している。
• 参考スコア（独自算出の注目度）: 3.0448872422956432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in practical quantum computing have led to a variety of cloud-based quantum computing platforms that allow researchers to evaluate their algorithms on noisy intermediate-scale quantum (NISQ) devices. A common property of quantum computers is that they exhibit instances of true randomness as opposed to pseudo-randomness obtained from classical systems. Investigating the effects of such true quantum randomness in the context of machine learning is appealing, and recent results vaguely suggest that benefits can indeed be achieved from the use of quantum random numbers. To shed some more light on this topic, we empirically study the effects of hardware-biased quantum random numbers on the initialization of artificial neural network weights in numerical experiments. We find no statistically significant difference in comparison with unbiased quantum random numbers as well as biased and unbiased random numbers from a classical pseudo-random number generator. The quantum random numbers for our experiments are obtained from real quantum hardware.
• Abstract（参考訳）: 最近の実用的な量子コンピューティングの進歩により、研究者はノイズの多い中間スケール量子(nisq)デバイス上でアルゴリズムを評価することができるクラウドベースの量子コンピューティングプラットフォームが多様になった。 量子コンピュータの共通の性質は、古典的なシステムから得られる擬ランダム性とは対照的に、真のランダム性の例を示すことである。 機械学習の文脈におけるそのような真の量子ランダム性の効果を調べることは魅力的であり、最近の結果は、量子乱数を用いることで実際に利益が得られることを曖昧に示唆している。 この話題についてさらに光を当てるために、数値実験において、ハードウェアバイアスの量子乱数が人工ニューラルネットワークの重み付けの初期化に与える影響を実証的に研究する。 非バイアス量子乱数と比較すると統計的に有意な差は認められず、また古典的な疑似乱数生成器から偏りや偏りのない乱数も見いだされた。 我々の実験のための量子乱数は、実量子ハードウェアから得られる。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Does True Randomness Exist? Efficacy Testing IBM Quantum Computers via Statistical Randomness [0.1450405446885067]
  我々は,このテスト手法を導入し,IBMの量子コンピュータシステム9つの有効性について検討する。 テスト方法は、4つの異なる量子乱数生成アルゴリズムと18の統計的テストのバッテリーを利用する。 1つの量子コンピュータとアルゴリズムの組み合わせのみが統計的にランダムであることが判明し、テスト手法のパワーを実証した。
  論文  参考訳（メタデータ） (2024-01-20T17:53:30Z)
• The hardness of quantum spin dynamics [1.1999555634662633]
  量子スピンハミルトニアンの幅広いクラスが生成する出力分布からのサンプリングは、古典コンピュータにとって難しい問題であることを示す。 約200スピンのインスタンスは、古典的なデバイスでは難しいが、フォールトトレラント量子ビットを持つ中間スケールの量子コンピュータでは実現可能であると推定する。
  論文  参考訳（メタデータ） (2023-12-12T19:00:03Z)
• Indistinguishability between quantum randomness and pseudo-randomness under efficiently calculable randomness measures [6.201566048090889]
  量子ランダム数(すなわち、量子力学的に生成されるランダム数)と擬ランダム数(すなわち、アルゴリズム的に生成されるランダム数)の区別可能性に関するノーゴー定理を示す。 この定理は、量子乱数は古典的に効率的にシミュレート可能であり、その区別に使用されるランダムネス測度が効率的に計算可能であれば、これらの2種類の乱数を区別することはできないと述べる。
  論文  参考訳（メタデータ） (2023-09-20T07:50:30Z)
• Partial Loopholes Free Device Independent Quantum Random Number Generator Using IBM's Quantum Computers [0.24578723416255752]
  本研究では、CHSHの不等式違反を利用して、デバイス独立な量子乱数を生成する方法を提案する。 CHSHテストに対する各量子コンピュータの性能をプロットし、評価した。 本研究は,量子コンピュータを用いた自己テストおよび半自己テストランダム数生成器の開発に向けた新たな方向性を提供する。
  論文  参考訳（メタデータ） (2023-09-11T08:34:45Z)
• 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 Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• The Effects of Quantum Randomness on a System Exhibiting Computational Creativity [0.0]
  計算の創造性を示すシステムにおいて、擬似乱数とは対照的に、量子あるいは「真」な乱数を用いることの効果に関する実験結果を示す。 その結果、構成過程における量子乱数の使用頻度が多すぎるか多すぎるかは、生成した出力に肯定的な影響がないことが示唆された。 量子乱数を使用する場合の「スイートスポット」は、統計的外れ値が少なくなる確率の15%である。
  論文  参考訳（メタデータ） (2020-08-22T04:34:17Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)
• Quantum Random Number Generation using a Solid-State Single-Photon Source [89.24951036534168]
  量子乱数生成(QRNG)は、量子力学現象の固有乱数性を利用する。 六方晶窒化ホウ素の量子エミッタによるQRNGの実証を行った。 本研究は,オンチップ決定性乱数生成器の製作への新たな道を開くものである。
  論文  参考訳（メタデータ） (2020-01-28T22:47:43Z)

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。