論文の概要: The Roles of Kerr nonlinearity in a Bosonic Quantum Neural Network

• arxiv url: http://arxiv.org/abs/2205.04753v1
• Date: Tue, 10 May 2022 09:02:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-13 17:51:27.259407
• Title: The Roles of Kerr nonlinearity in a Bosonic Quantum Neural Network
• Title（参考訳）: ボソニック量子ニューラルネットワークにおけるKerr非線形性の役割
• Authors: Huawen Xu, Tanjung Krisnanda, Ruiqi Bao and Timothy C. H. Liew
• Abstract要約: ボソニック量子ニューラルネットワーク(QNN)について検討し、古典的(XORゲートのシミュレーション)と量子的タスクの両方について検討する。 我々は、Kerrの非線形性は非自明なタスクを可能にするだけでなく、エラーに対してシステムをより堅牢にすることを示した。
• 参考スコア（独自算出の注目度）: 0.9449650062296824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emerging technology of quantum neural networks (QNNs) attracts great attention from both the fields of machine learning and quantum physics with the capability to gain quantum advantage from an artificial neural network (ANN) system. Comparing to the classical counterparts, QNNs have been proven to be able to speed up the information processing, enhance the prediction or classification efficiency as well as offer versatile and experimentally friendly platforms. It is well established that Kerr nonlinearity is an indispensable element in a classical ANN, while, in a QNN, the roles of Kerr nonlinearity are not yet fully understood. In this work, we consider a bosonic QNN and investigate both classical (simulating an XOR gate) and quantum (generating Schr\"odinger cat states) tasks to demonstrate that the Kerr nonlinearity not only enables non-trivial tasks but also makes the system more robust to errors.
• Abstract（参考訳）: 量子ニューラルネットワーク(QNN)の新しい技術は、機械学習と量子物理学の両方の分野から大きな注目を集め、人工知能ニューラルネットワーク(ANN)システムから量子優位性を得る能力を持っている。 従来のものと比べ、QNNは情報処理を高速化し、予測や分類の効率を高め、汎用的で実験的なプラットフォームを提供することができることが証明されている。 カー非線形性は古典的ANNにおいて必須の要素であるが、QNNではカー非線形性の役割はまだ完全には理解されていない。 本研究では、ボソニックQNNを考察し、古典的(XORゲートをシミュレートする)と量子的(Schr\"odinger cat stateを生成する)の両方のタスクを調査し、Kerrの非線形性が非自明なタスクを許容するだけでなく、エラーに対してより堅牢であることを示す。

関連論文リスト

• CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
  Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-08-28T00:56:03Z)
• Information-driven Nonlinear Quantum Neuron [0.0]
  本研究では,オープン量子システムとして動作するハードウェア効率の高い量子ニューラルネットワークを提案する。 入力量子情報のパラメトリゼーションが容易な繰り返し相互作用に基づくこの散逸モデルが、微分可能非線形活性化関数を示すことを示す。
  論文  参考訳（メタデータ） (2023-07-18T07:12:08Z)
• Variational Quantum Neural Networks (VQNNS) in Image Classification [0.0]
  本稿では,量子最適化アルゴリズムを用いて量子ニューラルネットワーク(QNN)のトレーニングを行う方法について検討する。 本稿では、変分量子ニューラルネットワーク(VQNN)と呼ばれる入力層として、変分パラメータ化回路を組み込んだQNN構造を作成する。 VQNNは、MNIST桁認識(複雑でない)とクラック画像分類データセットで実験され、QNNよりも少ない時間で、適切なトレーニング精度で計算を収束させる。
  論文  参考訳（メタデータ） (2023-03-10T11:24:32Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• Evaluating the performance of sigmoid quantum perceptrons in quantum neural networks [0.0]
  量子機械学習のための有望なアーキテクチャとして量子ニューラルネットワーク(QNN)が提案されている。 1つの候補は古典的パーセプトロンの非線形活性化関数をエミュレートするために設計された量子パーセプトロンである。 本稿では,SQPネットワークの性能と性能を,その有効次元と有効容量の計算によって評価する。
  論文  参考訳（メタデータ） (2022-08-12T10:08:11Z)
• Quantum-enhanced neural networks in the neural tangent kernel framework [0.4394730767364254]
  量子データエンコーダとcNNを組み合わせたqcNNのクラスについて検討する。 cNNの番号ノードが無限に大きくなるNTK状態において、qcNN全体の出力は、いわゆる射影量子カーネルの非線形関数となる。
  論文  参考訳（メタデータ） (2021-09-08T17:16:23Z)
• The dilemma of quantum neural networks [63.82713636522488]
  量子ニューラルネットワーク(QNN)は、古典的な学習モデルに対して何の恩恵も与えないことを示す。 QNNは、現実世界のデータセットの一般化が不十分な、極めて限られた有効モデル能力に悩まされている。 これらの結果から、現在のQNNの役割を再考し、量子的優位性で現実の問題を解決するための新しいプロトコルを設計せざるを得ない。
  論文  参考訳（メタデータ） (2021-06-09T10:41:47Z)
• Toward Trainability of Quantum Neural Networks [87.04438831673063]
  量子ニューラルネットワーク(QNN)は、量子スピードアップを達成するために古典的ニューラルネットワークの一般化として提案されている。 QNNのトレーニングには、入力キュービット数に指数関数的に勾配速度がなくなるため、非常に大きなボトルネックが存在する。 木テンソルとステップ制御された構造を持つQNNを二分分類に適用し,ランダムな構造を持つQNNと比較してより高速な収束率と精度を示す。
  論文  参考訳（メタデータ） (2020-11-12T08:32:04Z)
• Nonlinear Quantum Neuron: A Fundamental Building Block for Quantum Neural Networks [5.067768639196139]
  量子コンピューティングにより、量子ニューラルネットワーク(QNN)は、人工ニューラルネットワーク(ANN)を超える大きな可能性を持つ。 QNNに関連する様々なモデルが開発されているが、ニューラルネットワークの非線形で散逸的なダイナミクスを線形でユニタリな量子システムにマージするという課題に直面している。 非線形関数を近似するために異なる量子回路を構築し、任意の非線形量子ニューロンを実現するための一般化可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-06T15:25:52Z)
• 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)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。