論文の概要: A tensor network discriminator architecture for classification of
quantum data on quantum computers
- arxiv url: http://arxiv.org/abs/2202.10911v1
- Date: Tue, 22 Feb 2022 14:19:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-24 06:01:12.923225
- Title: A tensor network discriminator architecture for classification of
quantum data on quantum computers
- Title（参考訳）: 量子コンピュータ上の量子データの分類のためのテンソルネットワーク判別器アーキテクチャ
- Authors: Michael L. Wall, Paraj Titum, Gregory Quiroz, Michael Foss-Feig, Kaden
R. A. Hazzard
- Abstract要約: ホログラフィックアルゴリズムを用いて量子コンピュータ上での量子データを識別するために,行列積状態(MPS)モデルを用いることを実証する。
結合4MPSをモデルとしたエンタングル入力データを用いて,QuantinuumのH1-2トラップイオン量子コンピュータのモデルについて実験的に評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We demonstrate the use of matrix product state (MPS) models for
discriminating quantum data on quantum computers using holographic algorithms,
focusing on classifying a translationally invariant quantum state based on $L$
qubits of quantum data extracted from it. We detail a process in which data
from single-shot experimental measurements are used to optimize an isometric
tensor network, the tensors are compiled into unitary quantum operations using
greedy compilation heuristics, parameter optimization on the resulting quantum
circuit model removes the post-selection requirements of the isometric tensor
model, and the resulting quantum model is inferenced on either product state or
entangled quantum data. We demonstrate our training and inference architecture
on a synthetic dataset of six-site single-shot measurements from the bulk of a
one-dimensional transverse field Ising model (TFIM) deep in its
antiferromagnetic and paramagnetic phases. We experimentally evaluate models on
Quantinuum's H1-2 trapped ion quantum computer using entangled input data
modeled as translationally invariant, bond dimension 4 MPSs across the known
quantum phase transition of the TFIM. Using linear regression on the
experimental data near the transition point, we find predictions for the
critical transverse field of $h=0.962$ and $0.994$ for tensor network
discriminators of bond dimension $\chi=2$ and $\chi=4$, respectively. These
predictions compare favorably with the known transition location of $h=1$
despite training on data far from the transition point. Our techniques identify
families of short-depth variational quantum circuits in a data-driven and
hardware-aware fashion and robust classical techniques to precondition the
model parameters, and can be adapted beyond machine learning to myriad
applications of tensor networks on quantum computers, such as quantum
simulation and error correction.
- Abstract（参考訳）: ホログラフィックアルゴリズムを用いて量子コンピュータ上での量子データを識別するための行列積状態(MPS)モデルの利用を実証し、そこから抽出した量子データの$L$ qubitsに基づいて変換不変な量子状態の分類に焦点をあてる。
単発実験データを用いて等尺テンソルネットワークを最適化し、このテンソルを強靭なコンパイルヒューリスティックを用いてユニタリ量子演算にコンパイルし、得られた量子回路モデルのパラメータ最適化により等尺テンソルモデルの選択後の要求を除去し、得られた量子モデルを積状態または絡み合った量子データで推定するプロセスについて述べる。
我々は,一次元横磁場イジングモデル(tfim)のバルク部から反強磁性・常磁性相まで6箇所の単発計測を合成したデータセット上で,トレーニングと推論のアーキテクチャを実証する。
変換不変な結合次元 4 mpss としてモデル化されたエンタングル入力データを用いた量子量子量子コンピュータ h1-2 のモデル評価をtfim の既知の量子相転移を通して行った。
遷移点近傍の実験データに対する線形回帰を用いて, 結合次元 $\chi=2$ と $\chi=4$ のテンソルネットワーク判別器に対してそれぞれ $h=0.962$ と $0.994$ の臨界横フィールドの予測を求める。
これらの予測は、トランジションポイントから遠く離れたデータのトレーニングにもかかわらず、既知の$h=1$の遷移位置と好意的に比較できる。
本手法は,モデルパラメータをプリコンディショニングするために,データ駆動・ハードウェア対応のロバストな古典的手法を用いて,短距離変動量子回路のファミリを同定し,量子シミュレーションや誤り訂正などの量子コンピュータ上の無数のテンソルネットワーク応用に適用することができる。
関連論文リスト
- ShadowGPT: Learning to Solve Quantum Many-Body Problems from Randomized Measurements [2.1946359779523332]
本稿では,量子実験から収集したランダム化測定データから学習することで,量子多体問題を解く新しい手法であるShadowGPTを提案する。
このモデルは量子ハミルトニアンの基底状態のシミュレーションされた古典的影データに基づいて訓練された生成前訓練変圧器(GPT)である。
論文 参考訳（メタデータ） (2024-11-05T17:34:03Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Quantum tensor networks algorithms for evaluation of spectral functions
on quantum computers [0.0]
テンソルネットワークから導かれる量子アルゴリズムを用いて,量子多体系の静的および動的特性をシミュレートする。
量子コンピュータ上で基底状態と励起状態を作成し、分子ナノマグネット(MNM)に応用するアルゴリズムをパラダイムとして示す。
論文 参考訳（メタデータ） (2023-09-26T18:01:42Z) - A performance characterization of quantum generative models [35.974070202997176]
量子生成モデリングに使用される量子回路を比較する。
2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。
確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
論文 参考訳（メタデータ） (2023-01-23T11:00:29Z) - 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) - Entanglement Forging with generative neural network models [0.0]
ハイブリッド量子-古典的変分アンゼ」は、量子リソースオーバーヘッドを下げるために絡み合いを鍛えることができることを示す。
この方法は観測者の期待値の固定精度を達成するのに必要な測定値の数で効率的である。
論文 参考訳（メタデータ） (2022-05-02T14:29:17Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - Tree tensor network classifiers for machine learning: from
quantum-inspired to quantum-assisted [0.0]
本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。
本稿ではゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-06T02:31:48Z) - State preparation and measurement in a quantum simulation of the O(3)
sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。
本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。
非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文 参考訳（メタデータ） (2020-06-28T23:44:12Z) - Quantum Statistical Complexity Measure as a Signalling of Correlation
Transitions [55.41644538483948]
本稿では, 量子情報理論の文脈において, 統計的複雑性尺度の量子バージョンを導入し, 量子次数-次数遷移のシグナル伝達関数として利用する。
我々はこの測度を2つの正確に解けるハミルトンモデル、すなわち1D$量子イジングモデルとハイゼンベルクXXZスピン-1/2$チェーンに適用する。
また、考察されたモデルに対して、この測度を1量子および2量子の還元状態に対して計算し、その挙動を有限系のサイズと熱力学的限界に対して解析する。
論文 参考訳（メタデータ） (2020-02-05T00:45:21Z)
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。