論文の概要: Exploiting symmetry in variational quantum machine learning

• arxiv url: http://arxiv.org/abs/2205.06217v1
• Date: Thu, 12 May 2022 17:01:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-13 13:05:02.542878
• Title: Exploiting symmetry in variational quantum machine learning
• Title（参考訳）: 変分量子機械学習における爆発対称性
• Authors: Johannes Jakob Meyer, Marian Mularski, Elies Gil-Fuster, Antonio Anna Mele, Francesco Arzani, Alissa Wilms, Jens Eisert
• Abstract要約: 変分量子機械学習は、短期量子コンピュータの広範囲にわたる応用である。 我々は、標準ゲートセットが、目の前の問題の対称性を尊重する同変ゲートセットにどのように変換されるかを示す。 提案手法を,非自明な対称性を特徴とする2つの玩具問題に対してベンチマークし,一般化性能の大幅な向上を観察する。
• 参考スコア（独自算出の注目度）: 0.5541644538483947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum machine learning is an extensively studied application of near-term quantum computers. The success of variational quantum learning models crucially depends on finding a suitable parametrization of the model that encodes an inductive bias relevant to the learning task. However, precious little is known about guiding principles for the construction of suitable parametrizations. In this work, we holistically explore when and how symmetries of the learning problem can be exploited to construct quantum learning models with outcomes invariant under the symmetry of the learning task. Building on tools from representation theory, we show how a standard gateset can be transformed into an equivariant gateset that respects the symmetries of the problem at hand through a process of gate symmetrization. We benchmark the proposed methods on two toy problems that feature a non-trivial symmetry and observe a substantial increase in generalization performance. As our tools can also be applied in a straightforward way to other variational problems with symmetric structure, we show how equivariant gatesets can be used in variational quantum eigensolvers.
• Abstract（参考訳）: 変分量子機械学習は、短期量子コンピュータの広範囲にわたる応用である。 変分量子学習モデルの成功は、学習タスクに関連する帰納的バイアスを符号化するモデルの適切なパラメトリゼーションを見つけることに大きく依存する。 しかし、適切なパラメトリゼーションを構築するための原則の導出についてはほとんど分かっていない。 本研究では,学習課題の対称性の下で,結果が不変な量子学習モデルを構築するために,学習問題の対称性をいつ,どのように活用できるかを概観する。 表現論のツールに基づいて、標準のゲート集合が、ゲート対称性の過程を通じて問題の対称性を尊重する同変ゲート集合にどのように変換できるかを示す。 提案手法を,非自明な対称性を特徴とする2つの玩具問題に対してベンチマークし,一般化性能の大幅な向上を観察する。 我々のツールは対称構造を持つ他の変分問題にも直接適用できるので、同変ゲートセットが変分量子固有ソルバにおいてどのように用いられるかを示す。

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)
• Quantum Algorithms for Realizing Symmetric, Asymmetric, and Antisymmetric Projectors [3.481985817302898]
  与えられたシステムや状態の対称性を知ることは、しばしば量子コンピューティングにおいて有用である。 対称部分空間への射影を実現する量子アルゴリズムの集合を示す。 本稿では,1つの量子回路における様々な投影を効果的に計測するために,プロジェクタを体系的に組み合わせる方法について述べる。
  論文  参考訳（メタデータ） (2024-07-24T18:00:07Z)
• Image Classification with Rotation-Invariant Variational Quantum Circuits [0.0]
  変分量子アルゴリズムは、ノイズ中間スケール量子(NISQ)デバイスの初期応用として注目されている。 変分法の主な問題の1つは、変分パラメータの最適化に現れるバレンプラトー現象にある。 量子モデルに帰納バイアスを加えることは、この問題を緩和する潜在的な解決策として提案され、Geometric Quantum Machine Learningと呼ばれる新しい分野が生まれた。
  論文  参考訳（メタデータ） (2024-03-22T08:26:31Z)
• Symmetric derivatives of parametrized quantum circuits [0.0]
  パラメタライズド量子回路の射影微分の概念を導入する。 共変微分が量子フィッシャー情報と量子自然勾配をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-12-11T19:00:00Z)
• Efficient quantum algorithms for testing symmetries of open quantum systems [17.55887357254701]
  量子力学では、対称性を利用して物理的遷移を識別することで自由度を除去することができる。 従来の研究は、忠実度に基づく対称性測定によって対称性を確かめるための量子アルゴリズムの考案に重点を置いてきた。 量子コンピュータ上で効率よく実装可能な量子アルゴリズムの代替対称性試験法を開発した。
  論文  参考訳（メタデータ） (2023-09-05T18:05:26Z)
• Symmetry enhanced variational quantum imaginary time evolution [1.6872254218310017]
  我々は、ハミルトニアンの局所性と対称性に応じてパラメータ化量子回路を構築するためのガイダンスを提供する。 本手法は量子系のユニタリ・アンチ・ユニタリ対称性の実装に利用できる。 数値的な結果から,対称性向上回路は文献において頻繁に使用されるパラメトリゼーション回路よりも優れていたことが確認された。
  論文  参考訳（メタデータ） (2023-07-25T16:00:34Z)
• Order-invariant two-photon quantum correlations in PT-symmetric interferometers [62.997667081978825]
  線形フォトニック量子ネットワークにおける多光子相関は行列永久性によって制御される。 個々のビルディングブロックからのネットワークの全体的多光子挙動は直観に反する。 この結果は,小規模の非エルミートネットワークにおいても,量子相関を直感的に保存する新たな方法の導出となる。
  論文  参考訳（メタデータ） (2023-02-23T09:43:49Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
  機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。 物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
  論文  参考訳（メタデータ） (2022-03-11T18:27:04Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• Analytical and experimental study of center line miscalibrations in M\o lmer-S\o rensen gates [51.93099889384597]
  モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。 我々はゲート進化演算子を計算し、関連する鍵特性を得る。 我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
  論文  参考訳（メタデータ） (2021-12-10T10:56:16Z)

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。