Fugu-MT 論文翻訳(概要): The role of coherence theory in attractor quantum neural networks

論文の概要: The role of coherence theory in attractor quantum neural networks

arxiv url: http://arxiv.org/abs/2112.10867v3
Date: Wed, 31 Aug 2022 12:10:33 GMT
ステータス: 処理完了
システム内更新日: 2023-03-04 00:37:59.079917
Title: The role of coherence theory in attractor quantum neural networks
Title（参考訳）: 誘引量子ニューラルネットワークにおけるコヒーレンス理論の役割
Authors: Carlo Marconi, Pau Colomer Saus, Mar\'ia Garc\'ia D\'iaz and Anna Sanpera
Abstract要約: 我々はコヒーレンス理論の枠組みの中で,アトラクタ量子ニューラルネットワーク(aQNN)について検討する。我々は、aQNNが非コヒーレンス生成量子チャネルと関連していることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We investigate attractor quantum neural networks (aQNNs) within the framework of coherence theory. We show that: i) aQNNs are associated to non-coherence-generating quantum channels; ii) the depth of the network is given by the decohering power of the corresponding quantum map; and iii) the attractor associated to an arbitrary input state is the one minimizing their relative entropy. Further, we examine faulty aQNNs described by noisy quantum channels, derive their physical implementation and analyze under which conditions their performance can be enhanced by using entanglement or coherence as external resources.
Abstract（参考訳）: 我々はコヒーレンス理論の枠組みの中で,アトラクタ量子ニューラルネットワーク(aQNN)について検討する。ご覧の通りです i)aQNNは、非コヒーレンス発生量子チャネルと関連している。二ネットワークの深さは、対応する量子マップの復号化力により与えられること。三任意の入力状態に関連する誘引者は、相対エントロピーを最小化するものである。さらに,ノイズ量子チャネルによって記述される異常な aqnn を調べ,その物理的実装を導出し,外的資源として絡み合いやコヒーレンスを用いることで,その性能を向上できる条件下で解析する。

関連論文リスト

Experimental quantum triangle network nonlocality with an AlGaAs multiplexed entangled photon source [0.9092013845117769]
入力のない量子非局所性は、任意のレベルの独立性を持つソースに対して証明可能であることを示す。シミュレーショントライアングルネットワークを用いてベルのような不等式を初めて実験的に破る。この結果から,ネットワーク非局所性に対する理解を深めると同時に,量子通信ネットワークの実践的妥当性を高めることができた。
論文参考訳（メタデータ） (2024-10-09T13:21:11Z)
From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
論文参考訳（メタデータ） (2024-08-12T22:53:14Z)
Entanglement-Assisted Quantum Networks: Mechanics, Enabling Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文参考訳（メタデータ） (2023-07-24T02:48:22Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Strong entanglement distribution of quantum networks [3.6720510088596297]
大規模量子ネットワークは、単一の絡み合ったシステムの伝送とストレージの現実的な制約を克服するために使われてきた。一般化されたEPR状態とGHZ状態からなる接続ネットワークは、二部交絡測定の観点で、強いCKWモノガミー不等式を満たすことを示す。我々は、局所的なユニタリ演算の下でのネットワーク構成を区別することで、絡み合った量子ネットワークを分類する。
論文参考訳（メタデータ） (2021-09-27T08:45:18Z)
Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文参考訳（メタデータ） (2021-04-30T20:38:41Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
Characterizing Quantum Networks: Insights from Coherence Theory [2.6226104767204546]
絡み合った量子システムに基づくネットワークは、量子情報処理における興味深い応用を可能にする。量子コヒーレンスの理論は、この問題を分析する強力なツールを提供することを示す。
論文参考訳（メタデータ） (2020-06-11T18:00:02Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。