論文の概要: Quantum Phase Recognition via Quantum Kernel Methods

• arxiv url: http://arxiv.org/abs/2111.07553v3
• Date: Tue, 11 Apr 2023 13:06:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 19:44:38.125970
• Title: Quantum Phase Recognition via Quantum Kernel Methods
• Title（参考訳）: 量子カーネル法による量子位相認識
• Authors: Yusen Wu, Bujiao Wu, Jingbo Wang, Xiao Yuan
• Abstract要約: 本稿では,量子位相認識問題における量子学習アルゴリズムのパワーについて考察する。 我々は, 対称性保護位相と対称性破壊位相の認識を含む, 様々な問題に対して, アルゴリズムを数値的にベンチマークする。 本結果は,多粒子系における量子位相遷移の予測における量子機械学習の能力を強調した。
• 参考スコア（独自算出の注目度）: 6.3286116342955845
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The application of quantum computation to accelerate machine learning algorithms is one of the most promising areas of research in quantum algorithms. In this paper, we explore the power of quantum learning algorithms in solving an important class of Quantum Phase Recognition (QPR) problems, which are crucially important in understanding many-particle quantum systems. We prove that, under widely believed complexity theory assumptions, there exists a wide range of QPR problems that cannot be efficiently solved by classical learning algorithms with classical resources. Whereas using a quantum computer, we prove the efficiency and robustness of quantum kernel methods in solving QPR problems through Linear order parameter Observables. We numerically benchmark our 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 predicting such quantum phase transitions in many-particle systems.
• Abstract（参考訳）: 量子計算を機械学習アルゴリズムの高速化に応用することは、量子アルゴリズムにおける最も有望な研究分野の1つである。 本稿では,多粒子量子システムを理解する上で極めて重要な量子位相認識(qpr)問題を解く上で,量子学習アルゴリズムのパワーについて検討する。 我々は、広く信じられている複雑性理論の仮定の下で、古典的資源を持つ古典的学習アルゴリズムでは効率的に解けない幅広いQPR問題が存在することを証明した。 量子コンピュータとは対照的に、線形順序パラメータオブザーバブルによるQPR問題の解法における量子カーネル法の効率性と堅牢性を証明する。 我々は,対称性保護位相や対称性破壊位相の認識など,様々な問題に対するアルゴリズムのベンチマークを行う。 本結果は,多粒子系における量子位相遷移の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

• Hybrid quantum-classical approach for combinatorial problems at hadron colliders [7.2572969510173655]
  粒子物理学実験における問題を解くために量子アルゴリズムの可能性を探る。 大型ハドロン衝突型加速器の完全ハドロンチャネルにおけるトップクォーク対生成について検討した。 量子アルゴリズムを用いることで,正しいペアリングを選択する効率を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2024-10-29T18:00:07Z)
• Quantum Machine Learning Algorithms for Anomaly Detection: a Survey [1.747623282473278]
  量子コンピューティングに関わる重要な概念を要約し、量子スピードアップという形式的な概念を導入する。 このサーベイは、量子機械学習に基づく異常検出の構造化マップを提供する。
  論文  参考訳（メタデータ） (2024-08-20T17:55:25Z)
• 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)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• 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)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)

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。