論文の概要: Unsupervised Quantum Circuit Learning in High Energy Physics
- arxiv url: http://arxiv.org/abs/2203.03578v1
- Date: Mon, 7 Mar 2022 18:23:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 21:53:32.273476
- Title: Unsupervised Quantum Circuit Learning in High Energy Physics
- Title(参考訳): 高エネルギー物理における教師なし量子回路学習
- Authors: Andrea Delgado and Kathleen E. Hamilton
- Abstract要約: 高エネルギー物理過程の合成データを生成するために量子回路を用いた生成モデルの有効性を評価する。
我々は2変数と3変数の合同分布を生成するために、量子回路Bornマシンの非逆勾配に基づくトレーニングを使用する。
- 参考スコア(独自算出の注目度): 2.039028324079256
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Unsupervised training of generative models is a machine learning task that
has many applications in scientific computing. In this work we evaluate the
efficacy of using quantum circuit-based generative models to generate synthetic
data of high energy physics processes. We use non-adversarial, gradient-based
training of quantum circuit Born machines to generate joint distributions over
2 and 3 variables.
- Abstract(参考訳): 生成モデルの教師なしトレーニングは、科学計算に多くの応用がある機械学習タスクである。
本研究では,高エネルギー物理過程の合成データを生成するために量子回路を用いた生成モデルの有効性を評価する。
2変数と3変数のジョイント分布を生成するために、量子回路生まれのマシンの非逆勾配に基づくトレーニングを用いる。
関連論文リスト
- Non-binary artificial neuron with phase variation implemented on a quantum computer [0.0]
複素数の位相を操作するバイナリモデルを一般化するアルゴリズムを導入する。
量子コンピュータにおける連続的な値を扱うニューロンモデルを提案し,検証し,実装する。
論文 参考訳(メタデータ) (2024-10-30T18:18:53Z) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳(メタデータ) (2024-08-19T12:18:07Z) - Quantum circuit synthesis with diffusion models [0.6554326244334868]
我々は、この変換を促進するために、生成機械学習モデル、特に拡散モデル(DM)をデノナイズする。
我々は、ゲートベースの量子回路内で所望の量子演算を生成するために、このモデルを操縦する。
我々は、DMを量子回路合成の重要な要素として想定し、実用的な応用だけでなく、理論的量子計算に関する洞察も強化する。
論文 参考訳(メタデータ) (2023-11-03T17:17:08Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳(メタデータ) (2022-02-16T19:00:00Z) - Generative Quantum Machine Learning [0.0]
この論文の目的は、新しい生成量子機械学習アルゴリズムを開発することである。
本稿では,パラメータ化量子回路で実現可能な量子生成逆数ネットワークと量子ボルツマンマシンの実装を紹介する。
論文 参考訳(メタデータ) (2021-11-24T19:00:21Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。
EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文 参考訳(メタデータ) (2021-04-30T20:38:41Z) - Generation of High-Resolution Handwritten Digits with an Ion-Trap
Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。
我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
論文 参考訳(メタデータ) (2020-12-07T18:51:28Z) - Realizing a quantum generative adversarial network using a programmable
superconducting processor [17.3986929818418]
本稿では,プログラム可能な超伝導プロセッサを用いた量子生成逆数ネットワーク(QGAN)の実験的実装について報告する。
我々の実装は、ノイズの多い中間スケールの量子デバイスにスケールすることを約束しています。
論文 参考訳(メタデータ) (2020-09-27T12:09:33Z) - Noise robustness and experimental demonstration of a quantum generative
adversarial network for continuous distributions [0.5249805590164901]
連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。
また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。
我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
論文 参考訳(メタデータ) (2020-06-02T23:14:45Z)
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。