論文の概要: Amplitude Ratios and Neural Network Quantum States
- arxiv url: http://arxiv.org/abs/2201.09128v3
- Date: Wed, 22 Feb 2023 17:58:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 04:14:26.576077
- Title: Amplitude Ratios and Neural Network Quantum States
- Title（参考訳）: 振幅比とニューラルネットワーク量子状態
- Authors: Vojtech Havlicek
- Abstract要約: ニューラルネットワーク量子状態(NQS)による波動関数アクセスについて検討する。
NQSは、人工ニューラルネットワークによる量子波動関数を表す。
振幅比のアクセスはサンプルやクエリアクセスよりも厳格に強いことを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural Network Quantum States (NQS) represent quantum wavefunctions by
artificial neural networks. Here we study the wavefunction access provided by
NQS defined in [Science, \textbf{355}, 6325, pp. 602-606 (2017)] and relate it
to results from distribution testing. This leads to improved distribution
testing algorithms for such NQS. It also motivates an independent definition of
a wavefunction access model: the amplitude ratio access. We compare it to
sample and sample and query access models, previously considered in the study
of dequantization of quantum algorithms. First, we show that the amplitude
ratio access is strictly stronger than sample access. Second, we argue that the
amplitude ratio access is strictly weaker than sample and query access, but
also show that it retains many of its simulation capabilities. Interestingly,
we only show such separation under computational assumptions. Lastly, we use
the connection to distribution testing algorithms to produce an NQS with just
three nodes that does not encode a valid wavefunction and cannot be sampled
from.
- Abstract（参考訳）: ニューラルネットワーク量子状態(NQS)は、ニューラルネットワークによる量子波動関数を表す。
本稿では,[Science, \textbf{355}, 6325, pp. 602-606 (2017)]で定義されたNQSによる波動関数アクセスについて検討し, 分布試験の結果と関連づける。
これにより、NQSの分散テストアルゴリズムが改善される。
また、波動関数アクセスモデルの独立な定義である振幅比アクセスも動機付けている。
従来量子アルゴリズムの非量子化研究で検討されていたサンプル・サンプル・クエリ・アクセスモデルと比較した。
まず,振幅比のアクセスが試料アクセスよりも厳密であることを示す。
第二に、振幅比のアクセスはサンプルやクエリアクセスよりも厳密に弱いが、同時にシミュレーション能力の多くを保っていることを示す。
興味深いことに、計算的な仮定の下でのみそのような分離を示す。
最後に、分散テストアルゴリズムとの接続を使って、有効な波動関数を符号化せず、サンプル化できない3つのノードでnqsを生成する。
関連論文リスト
- Existential Unforgeability in Quantum Authentication From Quantum Physical Unclonable Functions Based on Random von Neumann Measurement [45.386403865847235]
物理的非閉包関数(PUF)は、固有の非閉包不可能な物理的ランダム性を利用して、ユニークな入出力ペアを生成する。
量子PUF(Quantum PUFs)は、量子状態を入出力ペアとして使用することによって、この概念を拡張している。
ランダムなユニタリQPUFは、量子多項式時間に対する実存的非偽造性を達成できないことを示す。
本稿では,QPUFが非単体量子チャネルとして機能する2番目のモデルを提案する。
論文 参考訳（メタデータ） (2024-04-17T12:16:41Z) - Effective detection of quantum discord by using Convolutional Neural
Networks [0.0]
我々は16個のカーネルを用いて、不協和状態と非不協和状態の区別を行う畳み込みニューラルネットワーク(CNN)を設計する。
量子不協和を効果的に検出できる分岐畳み込みニューラルネットワーク(BCNN)は、約85%または99%の精度を達成する。
論文 参考訳（メタデータ） (2024-01-15T00:50:22Z) - Schrödinger as a Quantum Programmer: Estimating Entanglement via Steering [3.187381965457262]
我々は、量子ステアリング効果を用いて、一般的な二部状態の分離性をテストし、定量化する量子アルゴリズムを開発した。
我々の発見は、ステアリング、絡み合い、量子アルゴリズム、量子計算複雑性理論の間の有意義な関係を提供する。
論文 参考訳（メタデータ） (2023-03-14T13:55:06Z) - 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) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - A Quantum Convolutional Neural Network on NISQ Devices [0.9831489366502298]
本稿では,畳み込みニューラルネットワークに着想を得た量子畳み込みニューラルネットワークを提案する。
我々のモデルは、画像認識タスクの特定のノイズに対して堅牢である。
これは、ビッグデータ時代の情報を処理するために、量子パワーを活用する可能性を開く。
論文 参考訳（メタデータ） (2021-04-14T15:07:03Z) - Decentralizing Feature Extraction with Quantum Convolutional Neural
Network for Automatic Speech Recognition [101.69873988328808]
特徴抽出のための量子回路エンコーダからなる量子畳み込みニューラルネットワーク(QCNN)を構築した。
入力音声はまず、Mel-spectrogramを抽出するために量子コンピューティングサーバにアップストリームされる。
対応する畳み込み特徴は、ランダムパラメータを持つ量子回路アルゴリズムを用いて符号化される。
符号化された機能は、最終認識のためにローカルRNNモデルにダウンストリームされる。
論文 参考訳（メタデータ） (2020-10-26T03:36:01Z) - A Co-Design Framework of Neural Networks and Quantum Circuits Towards
Quantum Advantage [37.837850621536475]
本稿では、そのような欠落したリンクを提供するために、共同設計フレームワークであるQuantumFlowを紹介します。
QuantumFlowは、新しい量子フレンドリなニューラルネットワーク(QF-Nets)、QF-Netのための量子回路(QF-Circ)を生成するマッピングツール(QF-Maps)、実行エンジン(QF-FB)で構成される。
評価の結果、QF-pNetとQF-hNetはそれぞれ97.10%と98.27%の精度を達成できることがわかった。
論文 参考訳（メタデータ） (2020-06-26T06:25:03Z) - APQ: Joint Search for Network Architecture, Pruning and Quantization
Policy [49.3037538647714]
本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。
ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。
同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
論文 参考訳（メタデータ） (2020-06-15T16:09:17Z) - WaveQ: Gradient-Based Deep Quantization of Neural Networks through
Sinusoidal Adaptive Regularization [8.153944203144988]
深部量子化トレーニングのための新しい正弦波正則化SINAREQを提案する。
我々はSINAREQが計算効率と精度のバランスをとる方法を示し、多種多様な深層ネットワークの量子化のための異種ビット幅割り当てを提供する。
論文 参考訳（メタデータ） (2020-02-29T01:19:55Z)
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。