論文の概要: Quantum Capsule Networks

• arxiv url: http://arxiv.org/abs/2201.01778v1
• Date: Wed, 5 Jan 2022 19:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-07 14:37:41.579434
• Title: Quantum Capsule Networks
• Title（参考訳）: 量子カプセルネットワーク
• Authors: Zidu Liu, Pei-Xin Shen, Weikang Li, L.-M. Duan, Dong-Ling Deng
• Abstract要約: 本稿では量子カプセルネットワーク(QCapsNet)と量子動的ルーティングアルゴリズムを紹介する。 我々の研究は、量子機械学習における量子カプセルネットワークの興味深い展望を明らかにしている。
• 参考スコア（独自算出の注目度）: 1.6956872056232632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Capsule networks, which incorporate the paradigms of connectionism and symbolism, have brought fresh insights into artificial intelligence. The capsule, as the building block of capsule networks, is a group of neurons represented by a vector to encode different features of an entity. The information is extracted hierarchically through capsule layers via routing algorithms. Here, we introduce a quantum capsule network (dubbed QCapsNet) together with a quantum dynamic routing algorithm. Our model enjoys an exponential speedup in the dynamic routing process and exhibits an enhanced representation power. To benchmark the performance of the QCapsNet, we carry out extensive numerical simulations on the classification of handwritten digits and symmetry-protected topological phases, and show that the QCapsNet can achieve the state-of-the-art accuracy and outperforms conventional quantum classifiers evidently. We further unpack the output capsule state and find that a particular subspace may correspond to a human-understandable feature of the input data, which indicates the potential explainability of such networks. Our work reveals an intriguing prospect of quantum capsule networks in quantum machine learning, which may provide a valuable guide towards explainable quantum artificial intelligence.
• Abstract（参考訳）: 接続主義と象徴主義のパラダイムを取り入れたカプセルネットワークは、人工知能に新たな洞察をもたらした。 カプセルはカプセルネットワークの構成要素として、物体の異なる特徴をエンコードするベクターによって表されるニューロンのグループである。 情報はルーティングアルゴリズムによってカプセル層を通して階層的に抽出される。 本稿では,量子カプセルネットワーク(qcapsnet)と量子動的ルーティングアルゴリズムについて紹介する。 我々のモデルは動的ルーティングプロセスにおいて指数的なスピードアップを享受し、表現力の増強を示す。 qcapsnetの性能をベンチマークするために,手書き桁と対称性保護位相位相の分類に関する広範な数値シミュレーションを行い,qcapsnetが最先端の精度を達成し,従来の量子分類器を明らかに上回っていることを示す。 さらに出力カプセル状態を解き、そのサブスペースが入力データの人間の理解可能な特徴に対応し、そのようなネットワークの潜在的な説明可能性を示す。 我々の研究は、量子機械学習における量子カプセルネットワークの興味深い展望を明らかにし、説明可能な量子人工知能への貴重なガイドを提供するかもしれない。

関連論文リスト

• Quantum Positional Encodings for Graph Neural Networks [1.9791587637442671]
  本稿では,量子コンピュータを用いて得られたグラフニューラルネットワークに適した位置符号化の新たなファミリを提案する。 私たちのインスピレーションは、量子処理ユニットの最近の進歩に起因しています。
  論文  参考訳（メタデータ） (2024-05-21T17:56:33Z)
• Quantum information spreading and scrambling in a distributed quantum network: A Hasse/Lamport diagrammatic approach [14.308249733521182]
  量子インターネットとして知られる大規模量子ネットワークは、高度な分散量子コンピューティングと長距離量子通信を大いに約束する。 本稿では,量子ネットワーク内の情報フローのダイナミクスを可視化する新しい図式手法を提案する。 また、特定のノードがネットワーク全体にわたって秘密の量子情報をスクランブルする量子情報スクランブルプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-09-19T06:48:42Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• 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)
• 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)
• Quantum neural networks with multi-qubit potentials [0.0]
  量子パーセプトロンにおけるマルチキュービットポテンシャルの存在は、より効率的な情報処理タスクを可能にすることを示す。 このネットワークアーキテクチャの単純化は、接続性の問題に対処し、量子ニューラルネットワークをスケールアップする道を開く。
  論文  参考訳（メタデータ） (2021-05-06T15:30:06Z)
• 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)
• Branching Quantum Convolutional Neural Networks [0.0]
  小型量子コンピュータは、大規模量子および非常に大規模な古典的データセット上での学習タスクにおいて、既に潜在的な増加を見せている。 本稿では、分岐量子畳み込みニューラルネットワークであるQCNN(bQCNN)を、かなり高い表現性で一般化する。
  論文  参考訳（メタデータ） (2020-12-28T19:00:03Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)
• Realising and compressing quantum circuits with quantum reservoir computing [2.834895018689047]
  量子ノードのランダムネットワークが量子コンピューティングの堅牢なハードウェアとしてどのように使用できるかを示す。 我々のネットワークアーキテクチャは、量子ノードの単一層のみを最適化することで量子演算を誘導する。 数量子状態においては、量子回路内の複数の量子ゲートのシーケンスは単一の演算で圧縮することができる。
  論文  参考訳（メタデータ） (2020-03-21T03:29:16Z)
• 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。

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。