論文の概要: Provable Advantage in Quantum Phase Learning via Quantum Kernel
Alphatron
- arxiv url: http://arxiv.org/abs/2111.07553v2
- Date: Thu, 18 Nov 2021 02:40:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 02:32:06.395122
- Title: Provable Advantage in Quantum Phase Learning via Quantum Kernel
Alphatron
- Title(参考訳): 量子カーネルアルファトロンによる量子位相学習における確率的アドバンテージ
- Authors: Yusen Wu, Bujiao Wu, Jingbo Wang, Xiao Yuan
- Abstract要約: 我々は、多体量子物理学において重要な課題である量子位相学習問題を研究する。
我々は、広く信じられている複雑性理論の仮定の下では、量子位相学習問題は機械学習アルゴリズムによって効率的に解決できないことを証明した。
- 参考スコア(独自算出の注目度): 6.3286116342955845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Can we use a quantum computer to speed up classical machine learning in
solving problems of practical significance? Here, we study this open question
focusing on the quantum phase learning problem, an important task in many-body
quantum physics. We prove that, under widely believed complexity theory
assumptions, quantum phase learning problem cannot be efficiently solved by
machine learning algorithms using classical resources and classical data.
Whereas using quantum data, we theoretically prove the universality of quantum
kernel Alphatron in efficiently predicting quantum phases, indicating quantum
advantages in this learning problem. We numerically benchmark the algorithm for
a variety of problems,including recognizing symmetry-protected topological
phases and symmetry-broken phases. Our results highlight the capability of
quantum machine learning in efficient prediction of quantum phases.
- Abstract(参考訳): 量子コンピュータを使って、実用上重要な問題を解決する古典的な機械学習をスピードアップできるだろうか?
本稿では,多体量子物理学において重要な課題である量子位相学習問題に焦点をあてる。
複雑性理論の仮定では、古典的資源と古典的データを用いた機械学習アルゴリズムでは量子位相学習問題は効率的に解くことができないことが証明される。
量子データを用いるのに対し、理論上、量子核アルファトロンは量子位相を効率的に予測し、この学習問題の量子長所を示す。
我々は,対称性保護位相と対称性破壊位相の認識を含む,様々な問題のアルゴリズムを数値的にベンチマークする。
本結果は,量子位相の効率的な予測における量子機械学習の能力を強調した。
関連論文リスト
- Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。
目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。
アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
論文 参考訳(メタデータ) (2024-03-01T19:36:35Z) - State-Averaged Orbital-Optimized VQE: A quantum algorithm for the
democratic description of ground and excited electronic states [0.0]
SA-OO-VQEパッケージは、典型的な変分量子固有解法に基づくハイブリッド量子古典的概念によって両方の問題を解決することを目的としている。
SA-OO-VQEは、同じ足場上で退化状態(または準退化状態)を処理できるので、回避された交差や円錐交差に関する既知の数値最適化問題を回避することができる。
論文 参考訳(メタデータ) (2024-01-22T12:16:37Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - An introduction to variational quantum algorithms on gate-based quantum
computing for combinatorial optimization problems [0.0]
このチュートリアルは変分量子アルゴリズムのクラスに関する数学的記述を提供する。
量子側および古典側におけるこれらのハイブリッドアルゴリズムの重要な側面を正確に紹介する。
我々はQAOAに特に注意を払って、そのアルゴリズムに関わる量子回路と、その可能な誘導関数によって満たされる特性を詳述した。
論文 参考訳(メタデータ) (2022-12-22T14:27:52Z) - Fast-forwarding quantum simulation with real-time quantum Krylov
subspace algorithms [0.0]
本稿では、現在の量子ハードウェアのコヒーレンス時間を超えて、長時間のダイナミクスを予測できる量子クリロフ高速フォワード(QKFF)アルゴリズムを提案する。
提案アルゴリズムでは、量子コンピュータ上に構築されたリアルタイム進化Krylov基底状態と、高忠実で長時間のダイナミックスへの収束を保証するためのマルチ参照部分空間法を用いている。
論文 参考訳(メタデータ) (2022-08-01T16:00:20Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - Resource-efficient encoding algorithm for variational bosonic quantum
simulations [0.0]
量子コンピューティングのノイズ中間スケール量子(NISQ)時代には、量子資源は限られている。
ボゾン基底と励起状態計算のための資源効率のよい量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-23T19:00:05Z) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳(メタデータ) (2020-06-19T19:12:14Z) - 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)
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。