論文の概要: Variational Quantum Policy Gradients with an Application to Quantum Control

• arxiv url: http://arxiv.org/abs/2203.10591v1
• Date: Sun, 20 Mar 2022 16:14:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 09:05:51.086061
• Title: Variational Quantum Policy Gradients with an Application to Quantum Control
• Title（参考訳）: 変分量子ポリシー勾配と量子制御への応用
• Authors: Andr\'e Sequeira, Luis Paulo Santos, Lu\'is Soares Barbosa
• Abstract要約: 量子機械学習モデルは、変分量子回路(VQC)によって非常に自然な方法で構成される。 本研究では,ハードウェア効率のよいアザッツを用いたポリシグラディエンスについて考察する。 量子ハードウェアを用いた勾配のエプシロン近似を求める複雑さは、パラメータの数と対数的にしか比較できないことを証明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Machine Learning models are composed by Variational Quantum Circuits (VQCs) in a very natural way. There are already some empirical results proving that such models provide an advantage in supervised/unsupervised learning tasks. However, when applied to Reinforcement Learning (RL), less is known. In this work, we consider Policy Gradients using a hardware-efficient ansatz. We prove that the complexity of obtaining an {\epsilon}-approximation of the gradient using quantum hardware scales only logarithmically with the number of parameters, considering the number of quantum circuits executions. We test the performance of such models in benchmarking environments and verify empirically that such quantum models outperform typical classical neural networks used in those environments, using a fraction of the number of parameters. Moreover, we propose the utilization of the Fisher Information spectrum to show that the quantum model is less prone to barren plateaus than its classical counterpart. As a different use case, we consider the application of such variational quantum models to the problem of quantum control and show its feasibility in the quantum-quantum domain.
• Abstract（参考訳）: 量子機械学習モデルは非常に自然な方法で変分量子回路(vqcs)によって構成される。 このようなモデルが教師なし/教師なしの学習タスクにおいて有利であることを証明する実証的な結果がすでにいくつかある。 しかし、強化学習(RL)に適用した場合、あまり知られていない。 本研究では,ハードウェア効率のよいansatzを用いて,ポリシー勾配を検討する。 量子ハードウェアを用いた勾配の「エプシロン」近似の複雑さは、量子回路の実行数を考慮してパラメータ数と対数的にしかスケールしないことが証明される。 我々は、ベンチマーク環境でそのようなモデルの性能を検証し、そのような量子モデルがそれらの環境で使用される典型的なニューラルネットワークより優れていることを経験的に検証する。 さらに,フィッシャー情報スペクトルの利用により,量子モデルが従来のモデルよりもバレンプラトーの傾向が低いことを示す。 異なるユースケースとして,このような変分量子モデルの量子制御問題への応用を検討し,量子量子量子領域におけるその実現可能性を示す。

関連論文リスト

• 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)
• Demonstration of Hardware Efficient Photonic Variational Quantum Algorithm [2.4630731476141365]
  本稿では,1光子と線形光ネットワークが変分量子アルゴリズムの実装に十分であることを示す。 因子化タスクのインスタンスに取り組むための変分的アプローチの実証実験によってこれを実証する。
  論文  参考訳（メタデータ） (2024-08-19T18:26:57Z)
• Ansatz-Agnostic Exponential Resource Saving in Variational Quantum Algorithms Using Shallow Shadows [5.618657159109373]
  変分量子アルゴリズム(VQA)は、短期的な量子優位性の実証の有望な候補として特定されている。 本報告では,本論文で研究されている浅層アンザッツに対して,同様のレベルの貯蓄を実現するための浅層影に基づくプロトコルを提案する。 VQAが強力な選択肢となる量子情報、すなわち変分量子状態準備と変分量子回路合成の2つの重要な応用が示されている。
  論文  参考訳（メタデータ） (2023-09-09T11:00:39Z)
• 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 variational learning for entanglement witnessing [0.0]
  この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。 我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。 我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
  論文  参考訳（メタデータ） (2022-05-20T20:14:28Z)
• Quantum Neuron with Separable-State Encoding [0.0]
  現在利用可能な量子プロセッサにおいて、高度な量子ニューロンモデルを大規模にテストすることは、まだ不可能である。 マルチキュービットゲート数を削減した量子パーセプトロン(QP)モデルを提案する。 シミュレーション量子コンピュータにおいて,QPの量子ビットバージョンをいくつか実装することにより,提案モデルの性能を実証する。
  論文  参考訳（メタデータ） (2022-02-16T19:26:23Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Model-Independent Error Mitigation in Parametric Quantum Circuits and Depolarizing Projection of Quantum Noise [1.5162649964542718]
  与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。 Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。 現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
  論文  参考訳（メタデータ） (2021-11-30T16:08:01Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)

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。