論文の概要: Modern applications of machine learning in quantum sciences
- arxiv url: http://arxiv.org/abs/2204.04198v2
- Date: Fri, 24 Jun 2022 12:43:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-17 21:18:51.549130
- Title: Modern applications of machine learning in quantum sciences
- Title(参考訳): 量子科学における機械学習の最近の応用
- Authors: Anna Dawid, Julian Arnold, Borja Requena, Alexander Gresch, Marcin
P{\l}odzie\'n, Kaelan Donatella, Kim A. Nicoli, Paolo Stornati, Rouven Koch,
Miriam B\"uttner, Robert Oku{\l}a, Gorka Mu\~noz-Gil, Rodrigo A.
Vargas-Hern\'andez, Alba Cervera-Lierta, Juan Carrasquilla, Vedran Dunjko,
Marylou Gabri\'e, Patrick Huembeli, Evert van Nieuwenburg, Filippo Vicentini,
Lei Wang, Sebastian J. Wetzel, Giuseppe Carleo, Eli\v{s}ka Greplov\'a, Roman
Krems, Florian Marquardt, Micha{\l} Tomza, Maciej Lewenstein, Alexandre
Dauphin
- Abstract要約: 本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
- 参考スコア(独自算出の注目度): 69.5720926028478
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In these Lecture Notes, we provide a comprehensive introduction to the most
recent advances in the application of machine learning methods in quantum
sciences. We cover the use of deep learning and kernel methods in supervised,
unsupervised, and reinforcement learning algorithms for phase classification,
representation of many-body quantum states, quantum feedback control, and
quantum circuits optimization. Moreover, we introduce and discuss more
specialized topics such as differentiable programming, generative models,
statistical approach to machine learning, and quantum machine learning.
- Abstract(参考訳): これらの講義ノートでは、量子科学における機械学習手法の適用における最新の進歩を包括的に紹介する。
本稿では、位相分類、多体量子状態の表現、量子フィードバック制御、量子回路最適化のための教師付き、教師なし、強化学習アルゴリズムにおける深層学習とカーネル手法の利用について述べる。
さらに、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックを紹介し、議論する。
関連論文リスト
- Quantum Machine Learning: from NISQ to Fault Tolerance [9.51051571600351]
量子機械学習の分野で登場した様々な概念について、包括的で偏見のないレビューを提供する。
本稿では,量子機械学習に関連する基本概念,アルゴリズム,統計的学習理論について概説する。
論文 参考訳(メタデータ) (2024-01-21T00:19:16Z) - 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) - Variational quantum algorithms for machine learning: theory and
applications [0.0]
この論文は、変分量子アルゴリズムと量子機械学習の分野における最先端技術に関する包括的なレビューを提供する。
この議論は量子機械学習に移行し、機械学習と統計学習理論の要素の導入に続いて、機械学習モデルの最も一般的な量子モデルに関するレビューが行われる。
論文 参考訳(メタデータ) (2023-06-16T17:28:35Z) - 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) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳(メタデータ) (2022-06-07T07:32:57Z) - Quantum machine learning beyond kernel methods [0.0]
パラメタライズド量子回路モデルは、カーネルの定式化よりも極めて優れた一般化性能を示すことを示す。
我々の結果は、カーネルの定式化の隣の量子機械学習モデルのより包括的な理論に向けた別のステップを構成する。
論文 参考訳(メタデータ) (2021-10-25T18:00:02Z) - A Unified Framework for Quantum Supervised Learning [0.7366405857677226]
トレーニング可能な量子回路を用いた教師あり学習のための埋め込み型フレームワークを提案する。
これらのアプローチの目的は、異なるクラスからヒルベルト空間の分離された位置へ、量子的特徴写像を通してデータをマッピングすることである。
我々は、明示的なアプローチと他の量子教師あり学習モデルとの本質的な接続を確立する。
論文 参考訳(メタデータ) (2020-10-25T18:43:13Z) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳(メタデータ) (2020-06-19T19:12:14Z) - Machine Learning for Quantum Matter [0.0]
本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。
機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
論文 参考訳(メタデータ) (2020-03-24T18:00:30Z)
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。