論文の概要: Phase diagram of quantum generalized Potts-Hopfield neural networks
- arxiv url: http://arxiv.org/abs/2109.10140v1
- Date: Tue, 21 Sep 2021 12:48:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 03:32:25.307878
- Title: Phase diagram of quantum generalized Potts-Hopfield neural networks
- Title(参考訳): 量子一般化ポッツ・ホップフィールドニューラルネットワークの位相図
- Authors: Eliana Fiorelli, Igor Lesanovsky, Markus M\"uller
- Abstract要約: 我々は,q-state Potts-Hopfield ニューラルネットワークのオープン量子一般化を導入し,解析する。
この多体系の力学はリンドブラッド型のマルコフマスター方程式によって定式化される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce and analyze an open quantum generalization of the q-state
Potts-Hopfield neural network, which is an associative memory model based on
multi-level classical spins. The dynamics of this many-body system is
formulated in terms of a Markovian master equation of Lindblad type, which
allows to incorporate both probabilistic classical and coherent quantum
processes on an equal footing. By employing a mean field description we
investigate how classical fluctuations due to temperature and quantum
fluctuations effectuated by coherent spin rotations affect the ability of the
network to retrieve stored memory patterns. We construct the corresponding
phase diagram, which in the low temperature regime displays pattern retrieval
in analogy to the classical Potts-Hopfield neural network. When increasing
quantum fluctuations, however, a limit cycle phase emerges, which has no
classical counterpart. This shows that quantum effects can qualitatively alter
the structure of the stationary state manifold with respect to the classical
model, and potentially allow one to encode and retrieve novel types of
patterns.
- Abstract(参考訳): 本稿では,多レベル古典スピンに基づく連想記憶モデルであるq状態ポッツ・ホップフィールドニューラルネットワークのオープン量子一般化を紹介し,解析する。
この多体系の力学はリンドブラッド型のマルコフマスター方程式によって定式化され、確率論的古典的およびコヒーレントな量子過程の両方を等しい足場に組み込むことができる。
平均場記述を用いて、コヒーレントスピン回転による温度と量子ゆらぎによる古典的変動が、記憶された記憶パターンを検索するネットワークの能力にどのように影響するかを検討する。
我々は,Potts-Hopfieldニューラルネットに類似したパターン検索を低温で行う相図を構築した。
しかし、量子揺らぎを増加させると、古典的変動を持たないリミットサイクル位相が現れる。
これは量子効果が古典モデルに関して静止状態多様体の構造を定性的に変化させ、新しいタイプのパターンを符号化し取り出すことができることを示している。
関連論文リスト
- Predictive Modeling of Classical and Quantum Mechanics Using Machine Learning: A Case Study with TensorFlow [0.0]
本稿では,古典系と量子系の両方の挙動を予測するための機械学習手法を提案する。
古典的領域では、標準人工ニューラルネットワーク(ANN)と物理インフォームドニューラルネットワーク(PINN)の両方を用いて、複数の力の振り子をモデル化する。
論文 参考訳(メタデータ) (2025-02-08T16:02:03Z) - Quantum Latent Diffusion Models [65.16624577812436]
本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。
これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。
この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
論文 参考訳(メタデータ) (2025-01-19T21:24:02Z) - Let the Quantum Creep In: Designing Quantum Neural Network Models by
Gradually Swapping Out Classical Components [1.024113475677323]
現代のAIシステムはニューラルネットワーク上に構築されることが多い。
古典的ニューラルネットワーク層を量子層に置き換える枠組みを提案する。
画像分類データセットの数値実験を行い、量子部品の体系的導入による性能変化を実証する。
論文 参考訳(メタデータ) (2024-09-26T07:01:29Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳(メタデータ) (2024-09-05T07:18:09Z) - Theoretical framework for quantum associative memories [0.8437187555622164]
連想メモリ(Associative memory)とは、メモリと入力を関連付け、劣化したパターンの復元を目標とする能力である。
オープン量子系力学に基づく量子連想メモリのための包括的フレームワークを開発する。
論文 参考訳(メタデータ) (2024-08-26T13:46:47Z) - Quantum information with quantum-like bits [0.0]
多体相関を演算することで任意のゲートをどのように実装できるかを示す。
これは、多体古典システムの特殊クラスにおける量子的情報処理の可能性を示している。
論文 参考訳(メタデータ) (2024-08-12T20:40:54Z) - Quantum Effects on the Synchronization Dynamics of the Kuramoto Model [62.997667081978825]
量子揺らぎは同期の出現を妨げるが、完全に抑制するわけではない。
モデルパラメータへの依存を強調して,臨界結合の解析式を導出する。
論文 参考訳(メタデータ) (2023-06-16T16:41:16Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Optimal storage capacity of quantum Hopfield neural networks [0.0]
多数のパターンで量子連想記憶を解析することは、難しいオープンな問題である。
本稿では,量子ニューラルネットワークモデルにおける最大記憶容量の評価方法を提案する。
論文 参考訳(メタデータ) (2022-10-14T15:21:21Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - 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)
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。