論文の概要: Quantum Model Learning Agent: characterisation of quantum systems through machine learning

• arxiv url: http://arxiv.org/abs/2112.08409v1
• Date: Wed, 15 Dec 2021 19:01:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 16:27:09.107400
• Title: Quantum Model Learning Agent: characterisation of quantum systems through machine learning
• Title（参考訳）: 量子モデル学習エージェント:機械学習による量子システムの特性化
• Authors: Brian Flynn, Antonio Andreas Gentile, Nathan Wiebe, Raffaele Santagati, Anthony Laing
• Abstract要約: ターゲットシステムのハミルトン的記述をリバースエンジニアリングするために,量子モデル学習エージェント(QMLA)というアルゴリズムを報告する。 QMLAは、プリオリ情報が限られている場合、ほとんどのインスタンスにおいて真のモデルを識別する。 そこで我々は,新しい仮説モデルを定式化するために遺伝的アルゴリズムを組み込むことにより,大規模モデル空間で動作するQMLAを実証する。
• 参考スコア（独自算出の注目度）: 0.6474760227870044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate models of real quantum systems are important for investigating their behaviour, yet are difficult to distill empirically. Here, we report an algorithm -- the Quantum Model Learning Agent (QMLA) -- to reverse engineer Hamiltonian descriptions of a target system. We test the performance of QMLA on a number of simulated experiments, demonstrating several mechanisms for the design of candidate Hamiltonian models and simultaneously entertaining numerous hypotheses about the nature of the physical interactions governing the system under study. QMLA is shown to identify the true model in the majority of instances, when provided with limited a priori information, and control of the experimental setup. Our protocol can explore Ising, Heisenberg and Hubbard families of models in parallel, reliably identifying the family which best describes the system dynamics. We demonstrate QMLA operating on large model spaces by incorporating a genetic algorithm to formulate new hypothetical models. The selection of models whose features propagate to the next generation is based upon an objective function inspired by the Elo rating scheme, typically used to rate competitors in games such as chess and football. In all instances, our protocol finds models that exhibit $F_1$-score $\geq 0.88$ when compared with the true model, and it precisely identifies the true model in 72% of cases, whilst exploring a space of over $250,000$ potential models. By testing which interactions actually occur in the target system, QMLA is a viable tool for both the exploration of fundamental physics and the characterisation and calibration of quantum devices.
• Abstract（参考訳）: 実際の量子系の正確なモデルはその振る舞いを研究するために重要であるが、経験的に蒸留することは困難である。 本稿では,量子モデル学習エージェント (QMLA) を用いて,対象システムのハミルトン的記述をリバースエンジニアリングするアルゴリズムについて報告する。 シミュレーション実験でQMLAの性能を検証し、候補ハミルトンモデルの設計のためのいくつかのメカニズムを実証し、同時に研究中のシステムを管理する物理的相互作用の性質に関する多くの仮説を楽しませた。 qmlaは、限定された事前情報を提供し、実験的なセットアップを制御する場合に、ほとんどのインスタンスで真のモデルを特定することが示される。 我々のプロトコルは、Ising、Heisenberg、Hubbardといったモデルファミリーを並列に探索し、システムダイナミクスを最もよく記述するファミリーを確実に特定することができる。 我々は,新しい仮説モデルを作成するための遺伝的アルゴリズムを組み込んで,大規模モデル空間で動作するqmlaを実演する。 次世代に伝播する機能を持つモデルの選定は、一般的にチェスやフットボールなどの競技者の評価に使用されるelo rating schemeにインスパイアされた客観的な機能に基づいている。 実モデルと比較すると,F_1$-score $\geq 0.88$のモデルが見出され,真モデルが72%のケースで正確に識別され,25万ドルを超える潜在的なモデルが探索される。 ターゲットシステムで実際に発生する相互作用をテストすることで、QMLAは基礎物理学の探索と量子デバイスのキャリブレーションとキャリブレーションの両方に有効なツールである。

関連論文リスト

• Automated quantum system modeling with machine learning [0.0]
  機械学習アルゴリズムは、簡単な量子力学測定のセットを考慮し、量子モデルを構築することができることを示す。 我々は、マルコフのオープン量子システムのシミュレーションを通して、ニューラルネットワークが有効状態の$N$を自動的に検出できることを示した。
  論文  参考訳（メタデータ） (2024-09-27T15:18:20Z)
• On the relation between trainability and dequantization of variational quantum learning models [1.7999333451993955]
  変分量子機械学習(QML)のトレーニング容易性と定式化の関係について検討する。 我々はPQCベースのQMLモデルを構築するためのレシピを紹介した。 しかしながら、我々の研究は、より一般的な構造を見つけるための道のりを指している。
  論文  参考訳（メタデータ） (2024-06-11T08:59:20Z)
• Quantum-informed simulations for mechanics of materials: DFTB+MBD framework [40.83978401377059]
  本研究では, 材料工学に関連するシステムの力学特性を量子効果によってどのように変化させるかを検討する。 この作業で提示されたすべてのコード、データセット、サンプルを含むオープンソースリポジトリを提供する。
  論文  参考訳（メタデータ） (2024-04-05T16:59:01Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [74.93549765488103]
  薬物発見において、分子動力学シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合の正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 我々は、標準的な数値MDシミュレーションよりも2000$times$のスピードアップを達成し、安定性の指標の下では、他のMLアプローチよりも最大80%高い効率で、NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• QH9: A Quantum Hamiltonian Prediction Benchmark for QM9 Molecules [69.25826391912368]
  QH9と呼ばれる新しい量子ハミルトンデータセットを生成し、999または2998の分子動力学軌道に対して正確なハミルトン行列を提供する。 現在の機械学習モデルでは、任意の分子に対するハミルトン行列を予測する能力がある。
  論文  参考訳（メタデータ） (2023-06-15T23:39:07Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Quantum Simulations in Effective Model Spaces (I): Hamiltonian Learning-VQE using Digital Quantum Computers and Application to the Lipkin-Meshkov-Glick Model [0.0]
  我々は、反復型ハイブリッド古典量子アルゴリズム、ハミルトン学習変分量子固有解法(HL-VQE)を導入する。 HL-VQEはLipkin-Meshkov-Glickモデル計算において指数関数的改善をもたらす。 この研究は、核システムの記述のための絡み合い駆動量子アルゴリズムの開発におけるステップを構成する。
  論文  参考訳（メタデータ） (2023-01-14T21:10:02Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Structural risk minimization for quantum linear classifiers [0.0]
  qml(quantum machine learning)は、量子コンピューティングの短期的"キラーアプリケーション"の典型的な候補の1つとして注目される。 明示的および暗黙的量子線形分類器と呼ばれる2つの密接に関連したQMLモデルの容量測定を研究する。 我々は,QMLモデルで使用される観測値のランクとフロベニウスノルムが,モデルのキャパシティを密接に制御していることを確認した。
  論文  参考訳（メタデータ） (2021-05-12T10:39:55Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。