論文の概要: Computing with two quantum reservoirs connected via optimized two-qubit nonselective measurements

• arxiv url: http://arxiv.org/abs/2201.07969v2
• Date: Mon, 9 May 2022 21:40:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 20:20:13.834065
• Title: Computing with two quantum reservoirs connected via optimized two-qubit nonselective measurements
• Title（参考訳）: 最適化2量子ビット非選択計測による2つの量子貯水池の計算
• Authors: Stephen Vintskevich and Dmitry Grigoriev
• Abstract要約: 量子貯水池コンピューティングは、ハイブリッドで量子古典的な機械学習にとって有望な技術である。 しかし、量子システムのサイズとノイズの影響に対する現実的な制限により、その応用は限られている。 本稿では,これらの問題を克服し,その計算性能を向上させるために,ネットワーク内の2つの量子貯水池を接続する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Currently, quantum reservoir computing is one of the most promising and experimentally accessible techniques for hybrid, quantum-classical machine learning. However, its applications are limited due to practical restrictions on the size of quantum systems and the influence of noise. Here we propose a novel approach to connect two quantum reservoirs in a network to overcome these issues and enhance their computing performance. To transfer information between quantum reservoirs, we perform optimized two-qubit non-selective measurements. We suggest a general heuristic optimization strategy based on tensor network language and matrix representation of two-qubit quantum channels specified for quantum reservoir computing. In addition, we introduce a single qubit purification channel and its optimization for further enhancement of quantum reservoir computing. We also demonstrate that the optimized channels applied to a seven-qubit network can efficiently transfer information between its parts with the resulting performance comparable to a network up to twenty-five qubits connected via a classical information link.
• Abstract（参考訳）: 現在、量子貯水池コンピューティングは、ハイブリッド量子古典的機械学習の最も有望で実験的な技術の一つである。 しかし、量子システムのサイズとノイズの影響に対する現実的な制限により、その応用は限られている。 本稿では,ネットワーク内の2つの量子貯留層を接続し,これらの問題を克服し,計算性能を向上させる新しい手法を提案する。 量子貯水池間で情報を転送するために,最適化された2量子ビット非選択測定を行う。 本稿では,テンソルネットワーク言語に基づく一般ヒューリスティック最適化戦略と,量子貯留層計算用に指定された2量子ビット量子チャネルの行列表現を提案する。 さらに, 単一量子ビット浄化チャネルとその最適化により, 量子貯留層計算のさらなる向上を図る。 また、7量子ビットネットワークに適用された最適化チャネルは、従来の情報リンクを介して接続された25量子ビットまでのネットワークに匹敵する性能で、その部分間で情報を効率的に転送できることを示した。

関連論文リスト

• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Multiclass classification using quantum convolutional neural networks with hybrid quantum-classical learning [0.5999777817331318]
  本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。 提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。 この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
  論文  参考訳（メタデータ） (2022-03-29T09:07:18Z)
• Feasible Architecture for Quantum Fully Convolutional Networks [4.849886707973093]
  本稿では,ノイズの多い中間規模量子デバイス上で動作可能な,実現可能な純粋量子アーキテクチャを提案する。 本研究は、純粋量子完全畳み込みネットワークのトレーニングを成功させ、それをハイブリッドソリューションと比較することで利点を論じるものである。
  論文  参考訳（メタデータ） (2021-10-05T01:06:54Z)
• Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
  本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。 トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。 問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
  論文  参考訳（メタデータ） (2021-07-05T03:20:54Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
  不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。 本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T19:00:01Z)
• Reservoir Computing Approach to Quantum State Measurement [0.0]
  貯留層計算(Reservoir computing)は、超伝導多ビット系の量子計測における資源効率の高い解である。 このデバイスを動作させて2量子状態トモグラフィーと連続パリティモニタリングを行う方法を示す。
  論文  参考訳（メタデータ） (2020-11-19T04:46:15Z)

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。