論文の概要: Physical reservoir computing using finitely-sampled quantum systems
- arxiv url: http://arxiv.org/abs/2110.13849v2
- Date: Fri, 5 Nov 2021 17:38:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 05:22:33.242087
- Title: Physical reservoir computing using finitely-sampled quantum systems
- Title（参考訳）: 有限サンプリング量子システムを用いた物理貯留層計算
- Authors: Saeed Ahmed Khan and Fangjun Hu and Gerasimos Angelatos and Hakan E.
T\"ureci
- Abstract要約: 貯留層計算は物理貯水池の非線形力学を利用して複雑な時系列処理を行う。
ここでは、非線形量子貯水池を用いた連続測定による貯水池計算の枠組みについて述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paradigm of reservoir computing exploits the nonlinear dynamics of a
physical reservoir to perform complex time-series processing tasks such as
speech recognition and forecasting. Unlike other machine-learning approaches,
reservoir computing relaxes the need for optimization of intra-network
parameters, and is thus particularly attractive for near-term
hardware-efficient quantum implementations. However, the complete description
of practical quantum reservoir computers requires accounting for their
placement in a quantum measurement chain, and its conditional evolution under
measurement. Consequently, training and inference has to be performed using
finite samples from obtained measurement records. Here we describe a framework
for reservoir computing with nonlinear quantum reservoirs under continuous
heterodyne measurement. Using an efficient truncated-cumulants representation
of the complete measurement chain enables us to sample stochastic measurement
trajectories from reservoirs of several coupled nonlinear bosonic modes under
strong excitation. This description also offers a mathematical basis to
directly compare the computational capabilities of a given physical reservoir
operated across classical and quantum regimes. Applying this framework to the
classification of quantum states of systems that are part of the same
measurement chain as the quantum reservoir computer, we assess and explain
measurement-contingent advantages and disadvantages of reservoir processing in
quantum regimes. Our results also identify the vicinity of bifurcation points
as presenting optimal nonlinear processing regimes of an oscillator-based
quantum reservoir. The considered models are directly realizable in modern
circuit QED experiments, while the framework is applicable to more general
quantum nonlinear reservoirs.
- Abstract（参考訳）: 貯水池計算のパラダイムは、物理的貯水池の非線形ダイナミクスを利用して、音声認識や予測といった複雑な時系列処理を行う。
他の機械学習のアプローチとは異なり、貯水池コンピューティングはネットワーク内パラメータの最適化の必要性を緩和し、特に短期的なハードウェア効率の量子実装には魅力的である。
しかしながら、実用的な量子貯水池コンピュータの完全な説明には、量子測定チェーンの配置と、その測定中の条件付き進化を考慮しなければならない。
したがって、得られた測定記録から有限サンプルを用いてトレーニングと推論を行う必要がある。
本稿では, 非線形量子貯水池を用いた連続ヘテロダイン測定における貯水池計算の枠組みについて述べる。
完全測定鎖の効率的なタンカタン-累積表現を用いることで、強い励起の下で複数の結合非線形ボソニックモードの貯留層から確率的測定軌跡をサンプリングすることができる。
この記述はまた、古典的および量子的状態にまたがる特定の物理貯水池の計算能力を直接比較するための数学的基礎を提供する。
この枠組みを、量子貯水池コンピュータと同じ測定チェーンの一部であるシステムの量子状態の分類に適用し、量子状態における貯水池処理の計測を伴う利点とデメリットを評価し、説明する。
また,振動子型量子貯水池の最適非線形処理系を示す分岐点近傍を同定した。
考慮されたモデルは現代の回路qed実験で直接実現可能であるが、この枠組みはより一般的な量子非線形貯水池に適用できる。
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) - QuantumReservoirPy: A Software Package for Time Series Prediction [44.99833362998488]
我々は、量子貯水池が共通の構造に合うようにするためのソフトウェアパッケージを開発した。
本パッケージは, 量子貯水池構造の比較法の開発を簡略化し, 論理的手法を提示する。
論文 参考訳（メタデータ） (2024-01-19T13:31:29Z) - Optimizing quantum noise-induced reservoir computing for nonlinear and
chaotic time series prediction [2.5427629797261297]
我々は, 量子雑音による貯水池を改良し, 貯水池の騒音を表現的非線形信号を生成するための資源として利用する。
その結果,1つのノイズモデルと少ないメモリ容量で,非線形ベンチマークにおいて優れたシミュレーション結果が得られた。
論文 参考訳（メタデータ） (2023-03-09T18:40:03Z) - Exploring quantum mechanical advantage for reservoir computing [0.0]
量子貯水池の量子特性と線形短期記憶性能の関連性を確立する。
貯水池における高い絡み合いは,より複雑な貯水池力学の前提条件であることがわかった。
本稿では,物理量子貯水池の性能に及ぼすデファスティングの影響について論じる。
論文 参考訳（メタデータ） (2023-02-07T17:07:28Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - Time Series Quantum Reservoir Computing with Weak and Projective
Measurements [0.0]
貯水池の量子性を利用して理想的な性能が得られることを示す。
1つは、貯水池のフェーディングメモリによって決定されるダイナミクスの巻き戻し部分と、入力シーケンスの対応するデータを記憶する。
他方は、必要なメモリを邪魔することなく、正確に情報を抽出できるトレードオフでオンラインに動作する弱い測定方法を採用している。
論文 参考訳（メタデータ） (2022-05-13T17:57:39Z) - An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。
この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
論文 参考訳（メタデータ） (2022-05-11T12:10:52Z) - Quantum Reservoir Computing for Speckle-Disorder Potentials [0.0]
量子貯水池コンピューティング(Quantum reservoir computing)は、情報を処理するメモリを持つ量子システムのダイナミクスを活用するために設計された機械学習手法である。
この手法はスピンの量子貯水池を用いて導入され、追加の量子系の基底状態エネルギーを求めるために応用される。
この課題は, 貯水池から抽出した可観測量に着目して解析し, 2ビット相関を用いた場合の強化効果を示す。
論文 参考訳（メタデータ） (2022-01-26T18:04:49Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳（メタデータ） (2021-08-30T23:50:05Z) - Reservoir Computing Approach to Quantum State Measurement [0.0]
貯留層計算(Reservoir computing)は、超伝導多ビット系の量子計測における資源効率の高い解である。
このデバイスを動作させて2量子状態トモグラフィーと連続パリティモニタリングを行う方法を示す。
論文 参考訳（メタデータ） (2020-11-19T04:46:15Z)
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。