論文の概要: Quantization in Layer's Input is Matter
- arxiv url: http://arxiv.org/abs/2202.05137v1
- Date: Thu, 10 Feb 2022 16:43:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-11 16:26:50.236252
- Title: Quantization in Layer's Input is Matter
- Title(参考訳): 層入力中の量子化は物質である
- Authors: Daning Cheng, WenGuang Chen
- Abstract要約: 損失関数に対するパラメータの量子化よりも,レイヤの入力における量子化が重要であることを示す。
また、入力量子化誤差に基づくアルゴリズムは、ヘッセン系混合精度レイアウトアルゴリズムよりも優れている。
- 参考スコア(独自算出の注目度): 4.877532217193618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we will show that the quantization in layer's input is more
important than parameters' quantization for loss function. And the algorithm
which is based on the layer's input quantization error is better than
hessian-based mixed precision layout algorithm.
- Abstract(参考訳): 本稿では、損失関数に対するパラメータの量子化よりも、層の入力における量子化が重要であることを示す。
また,入力量子化誤差に基づくアルゴリズムはヘッセン系混合精度レイアウトアルゴリズムよりも優れている。
関連論文リスト
- Quantum Computing and Tensor Networks for Laminate Design: A Novel
Approach to Stacking Sequence Retrieval [1.7400502482492273]
この研究は主に量子計算に焦点をあて、テンソルネットワークアルゴリズムの適用により、シークエンス検索のための新しい量子インスパイアされたアプローチが提示される。
量子状態空間内の線形作用素、ハミルトニアンを導出し、積み重ねシーケンス検索問題に固有の損失関数をカプセル化する。
実演では、従来のテンソルネットワークアルゴリズムであるDMRGアルゴリズムを選択し、我々のアプローチを数値的に検証した。
論文 参考訳(メタデータ) (2024-02-09T15:01:56Z) - Calibrating the role of entanglement in variational quantum circuits [0.7232471205719458]
エンタングルメント(Entanglement)は、量子コンピューティングの重要な性質であり、古典的なものとは分離している。
2つの変分量子アルゴリズムの動作における絡み合いの役割を系統的に検討する。
QAOAを用いて解いたMAX-CUT問題に対して,絡み合い関数としての忠実度は層数に大きく依存することがわかった。
QNNの場合、高いテスト精度のトレーニング回路は高い絡み合いによって支えられ、強制的な絡み合いの制限はテスト精度の急激な低下をもたらす。
論文 参考訳(メタデータ) (2023-10-16T23:36:40Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳(メタデータ) (2022-12-06T22:01:49Z) - End-to-end resource analysis for quantum interior point methods and
portfolio optimization [92.13478140615481]
問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。
アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
論文 参考訳(メタデータ) (2022-11-22T18:54:48Z) - On proving the robustness of algorithms for early fault-tolerant quantum
computers [0.0]
位相推定のためのランダム化アルゴリズムを導入し,その性能を2つの単純なノイズモデルで解析する。
回路深度が約0.916倍である限り、ランダム化アルゴリズムは任意に高い確率で成功できると計算する。
論文 参考訳(メタデータ) (2022-09-22T21:28:12Z) - Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs.
Coded Systems [69.33243249411113]
パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。
我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
論文 参考訳(メタデータ) (2020-12-15T15:51:27Z) - Where Should We Begin? A Low-Level Exploration of Weight Initialization
Impact on Quantized Behaviour of Deep Neural Networks [93.4221402881609]
異なる重みの初期化が重みの最終的な分布と異なるCNNアーキテクチャの活性化に与える影響について、詳細なアブレーション研究を行う。
我々の知る限りでは、ウェイトの初期化とその量子化行動に対する影響について、そのような低レベルで詳細な定量分析を行うのは、私たちは初めてである。
論文 参考訳(メタデータ) (2020-11-30T06:54:28Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳(メタデータ) (2020-09-15T18:17:27Z) - Offloading Quantum Computation by Superposition Masking [1.52292571922932]
量子入力を隠すマスクの重ね合わせを生成する。
マスクを使えば、元の入力を変更することなく結果を測定することができる。
この手法をモジュラー逆転、ルートフィニング、剰余分割、スパース行列逆転、一般群準同型に応用する。
論文 参考訳(メタデータ) (2020-08-11T08:32:44Z) - Accelerating Neural Network Inference by Overflow Aware Quantization [16.673051600608535]
ディープニューラルネットワークの重計算を継承することで、その広範な応用が防げる。
トレーニング可能な適応的不動点表現を設計し,オーバーフローを考慮した量子化手法を提案する。
提案手法により,量子化損失を最小限に抑え,最適化された推論性能を得ることができる。
論文 参考訳(メタデータ) (2020-05-27T11:56:22Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳(メタデータ) (2020-05-06T14:18:44Z)
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。