論文の概要: Experimental Quantum End-to-End Learning on a Superconducting Processor
- arxiv url: http://arxiv.org/abs/2203.09080v1
- Date: Thu, 17 Mar 2022 04:30:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 21:00:45.649843
- Title: Experimental Quantum End-to-End Learning on a Superconducting Processor
- Title(参考訳): 超伝導プロセッサを用いた量子終端学習実験
- Authors: Xiaoxuan Pan, Xi Cao, Weiting Wang, Ziyue Hua, Weizhou Cai, Xuegang
Li, Haiyan Wang, Jiaqi Hu, Yipu Song, Dong-Ling Deng, Chang-Ling Zou, Re-Bing
Wu, Luyan Sun
- Abstract要約: 超伝導プロセッサ上で量子エンド・ツー・エンドの機械学習を初めて実験的に実現したことを報告する。
トレーニングされたモデルは、2つの手書き桁(2量子ビット)に対して98%の精度を達成でき、MNISTデータベースでは4桁(3量子ビット)に対して89%の精度を達成できる。
- 参考スコア(独自算出の注目度): 5.823530551338544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning can be substantially powered by a quantum computer owing to
its huge Hilbert space and inherent quantum parallelism. In the pursuit of
quantum advantages for machine learning with noisy intermediate-scale quantum
devices, it was proposed that the learning model can be designed in an
end-to-end fashion, i.e., the quantum ansatz is parameterized by directly
manipulable control pulses without circuit design and compilation. Such
gate-free models are hardware friendly and can fully exploit limited quantum
resources. Here, we report the first experimental realization of quantum
end-to-end machine learning on a superconducting processor. The trained model
can achieve 98% recognition accuracy for two handwritten digits (via two
qubits) and 89% for four digits (via three qubits) in the MNIST (Mixed National
Institute of Standards and Technology) database. The experimental results
exhibit the great potential of quantum end-to-end learning for resolving
complex real-world tasks when more qubits are available.
- Abstract(参考訳): 機械学習は、その巨大なヒルベルト空間と固有の量子並列性により、実質的に量子コンピュータによって駆動される。
雑音中規模量子デバイスを用いた機械学習の量子長所を求めて、学習モデルはエンドツーエンドで設計できる、すなわち量子アンサッツは回路設計やコンパイルなしで直接操作可能な制御パルスによってパラメータ化できる、という提案を行った。
このようなゲートフリーモデルはハードウェアフレンドリーであり、限られた量子資源を完全に活用することができる。
本稿では、超伝導プロセッサ上での量子エンドツーエンド機械学習を初めて実験的に実現する。
トレーニングされたモデルは、mnist(mixed national institute of standards and technology)データベースで、2つの手書き桁(2つのキュービット)、89%が4桁(3つのキュービット)で98%の認識精度を達成できる。
実験結果は、より多くの量子ビットが利用可能であれば、複雑な現実世界のタスクを解くための量子エンドツーエンド学習の大きな可能性を示している。
関連論文リスト
- Entanglement-based quantum information protocols designed with silicon quantum dot platform [0.3222802562733786]
スピンベースの量子ビット(量子ビット)演算は、高忠実度で普遍論理ゲートを実現するために集中的に研究されている。
本稿では、電気的に定義された5つのシリコン量子ドット系における絡み合いに基づく量子情報プロトコルについて検討する。
本稿では,マジック状態の生成,絡み合いスワップ,量子テレポーテーションの3つの応用について論じる。
論文 参考訳(メタデータ) (2024-03-28T16:35:39Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳(メタデータ) (2024-01-10T22:33:00Z) - 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) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Scalable Simulation of Quantum Measurement Process with Quantum
Computers [13.14263204660076]
量子計測過程をエミュレートする量子ビットモデルを提案する。
1つのモデルは単一光子検出によって動機付けされ、もう1つはスピン測定によって動機付けされる。
我々はSchr"odinger cat-like状態を生成し、それに対応する量子回路を明示的に示す。
論文 参考訳(メタデータ) (2022-06-28T14:21:43Z) - Quantum design for advanced qubits: plasmonium [4.51227657808872]
プラズモン遷移状態をカバーする様々なパラメータで超伝導量子回路をシミュレートするための変分量子固有解法を実証する。
我々は、単一および2量子ゲートの忠実度を示す高度なポストトランモン量子ビット「プラズモニウム」を作製した。
我々の研究は、既存の量子コンピューティングリソースを使用して高度な量子プロセッサを設計する方法を開く。
論文 参考訳(メタデータ) (2021-09-02T14:48:39Z) - Qsun: an open-source platform towards practical quantum machine learning
applications [0.0]
本稿では、量子状態波動関数によって演算を下線化している量子仮想マシンQsunを紹介する。
次に、量子機械学習の代表である量子線形回帰と量子ニューラルネットワークの2つのテストについて報告する。
論文 参考訳(メタデータ) (2021-07-22T09:37:31Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z) - Quantum machine learning and quantum biomimetics: A perspective [0.0]
量子機械学習は、量子技術の中でエキサイティングで有望なパラダイムとして登場した。
本稿では,これらのトピックについて概観し,科学コミュニティが実施した関連研究について述べる。
論文 参考訳(メタデータ) (2020-04-25T07:45:20Z)
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。