論文の概要: Multiqubit state learning with entangling quantum generative adversarial networks

• arxiv url: http://arxiv.org/abs/2204.09689v2
• Date: Tue, 27 Sep 2022 07:57:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-16 06:03:36.362248
• Title: Multiqubit state learning with entangling quantum generative adversarial networks
• Title（参考訳）: 量子生成逆数ネットワークの絡み合ったマルチキュービット状態学習
• Authors: S. E. Rasmussen and N. T. Zinner
• Abstract要約: マルチビット学習のためのエンタングル量子GAN(EQ-GAN)について検討する。 EQ-GANはSWAPテストよりも効率的に回路を学習できることを示す。 また、EQ-GANを用いて最大6キュービットのランダムな状態学習を、異なる2キュービットゲートを用いて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing success of classical generative adversarial networks (GANs) has inspired several quantum versions of GANs. Fully quantum mechanical applications of such quantum GANs have been limited to one- and two-qubit systems. In this paper, we investigate the entangling quantum GAN (EQ-GAN) for multiqubit learning. We show that the EQ-GAN can learn a circuit more efficiently compared with a SWAP test. We also consider the EQ-GAN for learning eigenstates that are variational quantum eigensolver (VQE)-approximated, and find that it generates excellent overlap matrix elements when learning VQE states of small molecules. However, this does not directly translate into a good estimate of the energy due to a lack of phase estimation. Finally, we consider random state learning with the EQ-GAN for up to six qubits, using different two-qubit gates, and show that it is capable of learning completely random quantum states, something which could be useful in quantum state loading.
• Abstract（参考訳）: 古典的生成逆数ネットワーク(GAN)の成功は、いくつかの量子バージョンのGANに影響を与えた。 そのような量子 GAN の完全な量子力学的応用は、1量子系と2量子系に限られている。 本稿では,マルチビット学習のためのエンタングル量子GAN(EQ-GAN)について検討する。 EQ-GANはSWAPテストよりも効率的に回路を学習できることを示す。 また、変分量子固有解法(VQE)を近似した固有状態の学習のためのEQ-GANも検討し、小さな分子のVQE状態を学ぶ際に優れた重なり行列要素を生成することを発見した。 しかし、これは位相推定の欠如によりエネルギーを直接的に推定するわけではない。 最後に、eq-ganによるランダム状態学習を、異なる2量子ビットゲートを用いて最大6量子ビットで検討し、完全なランダム量子状態の学習が可能であり、量子状態の読み込みに有用であることを示す。

関連論文リスト

• Quantum Deep Equilibrium Models [1.5853439776721878]
  本稿では,量子機械学習モデルのパラメータを学習するトレーニングパラダイムであるQuantum Deep Equilibrium Models (QDEQ)を紹介する。 QDEQは、既存の同等のベースラインモデルと競合するだけでなく、5倍以上のレイヤを持つネットワークよりも高いパフォーマンスを実現している。 このことは、QDEQパラダイムが与えられたタスクに対してより浅い量子回路を開発するのに利用できることを示している。
  論文  参考訳（メタデータ） (2024-10-31T13:54:37Z)
• 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 simulation of excited states from parallel contracted quantum eigensolvers [5.915403570478968]
  基底状態の量子固有解法は、任意の数の量子固有状態を同時に計算するために一般化可能であることを示す。 提案アルゴリズムは2つの励起状態CQEを導入し,励起状態の計算を行うとともに,元の基底状態バージョンの特徴の多くを継承する。
  論文  参考訳（メタデータ） (2023-11-08T23:52:31Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Assisted quantum simulation of open quantum systems [0.0]
  NISQ技術を用いてUQAの回路深さを低減する量子支援量子アルゴリズムを導入する。 オープン量子システムをシミュレーションするための量子支援量子アルゴリズムを2つ提案する。
  論文  参考訳（メタデータ） (2023-02-26T11:41:02Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Variational Quantum Circuits for Multi-Qubit Gate Automata [0.6445605125467573]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)時代に量子優位性を提供する能力を持つ。 本稿では,VQAにインスパイアされた量子機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-31T22:05:17Z)
• 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 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)
• 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)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。