Fugu-MT 論文翻訳(概要): On the challenges of using D-Wave computers to sample Boltzmann Random Variables

論文の概要: On the challenges of using D-Wave computers to sample Boltzmann Random Variables

arxiv url: http://arxiv.org/abs/2111.15295v2
Date: Wed, 1 Dec 2021 08:07:55 GMT
ステータス: 処理完了
システム内更新日: 2021-12-02 13:04:23.210111
Title: On the challenges of using D-Wave computers to sample Boltzmann Random Variables
Title（参考訳）: ボルツマン確率変数のサンプリングにD波コンピュータを用いる際の課題について
Authors: Thomas Pochart, Paulin Jacquot, Joseph Mikael
Abstract要約: D-Wave量子コンピュータを用いてボルツマン分布をサンプリングする試みがいくつか行われた。各種の障害について詳述し, サンプリング問題をD波機で解く際の難しさについて解説する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sampling random variables following a Boltzmann distribution is an NP-hard problem involved in various applications such as training of \textit{Boltzmann machines}, a specific kind of neural network. Several attempts have been made to use a D-Wave quantum computer to sample such a distribution, as this could lead to significant speedup in these applications. Yet, at present, several challenges remain to efficiently perform such sampling. We detail the various obstacles and explain the remaining difficulties in solving the sampling problem on a D-wave machine.
Abstract（参考訳）: ボルツマン分布に従う確率変数のサンプリングは、特定の種類のニューラルネットワークである \textit{boltzmann machines} のトレーニングなど、様々なアプリケーションに関連するnp問題である。このような分布をサンプルするためにd-wave量子コンピュータを使用する試みがいくつか行われており、これはこれらのアプリケーションにおいて大幅な高速化につながる可能性がある。しかし、現在でもそのようなサンプリングを効率的に行うための課題がいくつか残っている。各種の障害について詳述し, サンプリング問題をD波機で解く際の難しさについて解説する。

関連論文リスト

A Greedy Quantum Route-Generation Algorithm [0.0]
本稿では,量子コンピュータから得られた全てのサンプルからの情報を用いて,経路を生成するグリーディアルゴリズムを提案する。有向非巡回グラフ (DAG) としての定式化における量子ビットの関係に気付き, 実現可能な解を適応的に構築するアルゴリズムを設計した。
論文参考訳（メタデータ） (2024-05-05T21:20:46Z)
Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM) iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文参考訳（メタデータ） (2024-02-09T01:11:23Z)
Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
論文参考訳（メタデータ） (2023-11-02T02:05:38Z)
Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文参考訳（メタデータ） (2023-10-18T17:59:45Z)
SA-Solver: Stochastic Adams Solver for Fast Sampling of Diffusion Models [66.67616086310662]
拡散確率モデル(DPM)は生成タスクでかなりの成功を収めた。 DPM からのサンプリングは、時間を要する拡散 SDE や ODE の解法と等価であるため、改良された微分方程式解法に基づく多数の高速サンプリング手法が提案されている。拡散SDEを解くための効率の良いAdams法であるSA-of-rを提案する。
論文参考訳（メタデータ） (2023-09-10T12:44:54Z)
Robust Extraction of Thermal Observables from State Sampling and Real-Time Dynamics on Quantum Computers [49.1574468325115]
我々は、状態の密度、特にその非負性性に制約を課す手法を導入し、この方法で、ノイズのある時系列からボルツマン重みを確実に抽出できることを示す。本研究により,今日の量子コンピュータにおける時系列アルゴリズムの実装により,多体量子系の有限温度特性の研究が可能となった。
論文参考訳（メタデータ） (2023-05-30T18:00:05Z)
Benchmarking a boson sampler with Hamming nets [1.0555513406636092]
本稿では,未知の散乱行列を持つボソンサンプリング器をベンチマークする機械学習ベースのプロトコルを提案する。現在実験で利用可能なボソンサンプリング装置のキャラクタリゼーションに,本フレームワークを直接適用することができる。
論文参考訳（メタデータ） (2023-05-18T13:07:02Z)
A hybrid quantum-classical approach for inference on restricted Boltzmann machines [1.0928470926399563]
ボルツマンマシンは多くの実世界のアプリケーションを持つ強力な機械学習モデルである。ボルツマンマシンの統計的推測はその後部分布からサンプリングすることで行うことができる。量子コンピュータは、いくつかの非自明な問題を効率的に解くことを約束している。
論文参考訳（メタデータ） (2023-03-31T11:10:31Z)
Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文参考訳（メタデータ） (2022-12-12T15:06:32Z)
An Unbiased Quantum Random Number Generator Based on Boson Sampling [10.271630173840455]
本研究は、ボーソンサンプリング結果のランダム性を完全に活用して、新しい量子乱数生成器(QRNG)の設計に適用する。ボソンサンプリング結果のランダム性を適用して実際のタスクのための実用的なプロトタイプシステムを開発するための最初のアプローチである。
論文参考訳（メタデータ） (2022-06-06T00:32:32Z)
Quantum Quantile Mechanics: Solving Stochastic Differential Equations for Generating Time-Series [19.830330492689978]
微分方程式(SDE)の解からサンプリングする量子アルゴリズムを提案する。我々は、基礎となる確率分布の量子関数を表現し、サンプルを期待値として抽出する。本手法は,Ornstein-Uhlenbeck過程をシミュレーションし,初期点と異なるタイミングでサンプリングすることによって検証する。
論文参考訳（メタデータ） (2021-08-06T16:14:24Z)

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。