論文の概要: Quantum advantage in learning from experiments

• arxiv url: http://arxiv.org/abs/2112.00778v1
• Date: Wed, 1 Dec 2021 19:04:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-04 12:14:29.163046
• Title: Quantum advantage in learning from experiments
• Title（参考訳）: 実験からの学習における量子アドバンテージ
• Authors: Hsin-Yuan Huang, Michael Broughton, Jordan Cotler, Sitan Chen, Jerry Li, Masoud Mohseni, Hartmut Neven, Ryan Babbush, Richard Kueng, John Preskill, Jarrod R. McClean
• Abstract要約: 物理システムから安定した量子メモリにデータを変換する実験的なセットアップは、大きな利点をもたらす可能性がある。 様々なタスクにおいて、量子機械は従来の実験よりも指数関数的に少ない実験から学習できることを実証する。
• 参考スコア（独自算出の注目度）: 14.539369998376843
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum technology has the potential to revolutionize how we acquire and process experimental data to learn about the physical world. An experimental setup that transduces data from a physical system to a stable quantum memory, and processes that data using a quantum computer, could have significant advantages over conventional experiments in which the physical system is measured and the outcomes are processed using a classical computer. We prove that, in various tasks, quantum machines can learn from exponentially fewer experiments than those required in conventional experiments. The exponential advantage holds in predicting properties of physical systems, performing quantum principal component analysis on noisy states, and learning approximate models of physical dynamics. In some tasks, the quantum processing needed to achieve the exponential advantage can be modest; for example, one can simultaneously learn about many noncommuting observables by processing only two copies of the system. Conducting experiments with up to 40 superconducting qubits and 1300 quantum gates, we demonstrate that a substantial quantum advantage can be realized using today's relatively noisy quantum processors. Our results highlight how quantum technology can enable powerful new strategies to learn about nature.
• Abstract（参考訳）: 量子技術は、物理的世界を学ぶために実験データを取得し、処理する方法に革命をもたらす可能性がある。 物理システムから安定した量子メモリへデータを転送し、量子コンピュータを使ってそのデータを処理する実験的なセットアップは、物理システムが測定され、結果が古典的コンピュータで処理される従来の実験よりも大きな利点がある。 様々なタスクにおいて、量子マシンは従来の実験よりも指数関数的に少ない実験から学べることを証明する。 指数関数的な利点は、物理系の特性の予測、ノイズ状態の量子主成分分析、物理力学の近似モデルを学ぶことである。 例えば、システムの2つのコピーのみを処理することで、多くの非可換可観測物について同時に学ぶことができる。 最大40個の超伝導量子ビットと1300個の量子ゲートを用いた実験を行い、今日の比較的ノイズの多い量子プロセッサを用いて大きな量子優位性を実現することを実証した。 我々の結果は、量子技術がいかにして強力な新しい戦略を自然について学べるかを強調している。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Exponential quantum advantages in learning quantum observables from classical data [1.9662978733004604]
  我々は、古典的なデータから量子オブザーバブルを学習する物理的に関係のあるタスクに対して、量子上の利点を証明している。 我々の結果は、量子多体物理学の領域における機械学習問題に対する量子コンピュータの実用性に光を当てた。
  論文  参考訳（メタデータ） (2024-05-03T11:58:43Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• 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)
• Experimental Quantum End-to-End Learning on a Superconducting Processor [5.823530551338544]
  超伝導プロセッサ上で量子エンド・ツー・エンドの機械学習を初めて実験的に実現したことを報告する。 トレーニングされたモデルは、2つの手書き桁(2量子ビット)に対して98%の精度を達成でき、MNISTデータベースでは4桁(3量子ビット)に対して89%の精度を達成できる。
  論文  参考訳（メタデータ） (2022-03-17T04:30:08Z)
• Quantifying information scrambling via Classical Shadow Tomography on Programmable Quantum Simulators [0.0]
  我々は,量子情報のダイナミクスを探索する技術を開発し,それをIBM超伝導量子プロセッサ上で実験的に実装する。 量子情報スクランブルの2つの曖昧なシグネチャを識別するが、どちらも散逸過程によって模倣できない。 両シグネチャを測り、量子系の数値シミュレーションで結果を支持する。
  論文  参考訳（メタデータ） (2022-02-10T16:36:52Z)
• Quantum Neuronal Sensing of Quantum Many-Body States on a 61-Qubit Programmable Superconducting Processor [17.470012490921192]
  物質の性質と相の異なる多体量子状態の分類は、量子多体物理学における最も基本的な課題の1つである。 本稿では,量子ニューロンセンシングという新しいアプローチを提案する。 本手法は,2種類の多体現象を効率的に分類できることを示す。
  論文  参考訳（メタデータ） (2022-01-16T03:20:04Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
  グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。 この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。 我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
  論文  参考訳（メタデータ） (2020-01-15T18:36:53Z)

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。