論文の概要: Conditional Born machine for Monte Carlo events generation

• arxiv url: http://arxiv.org/abs/2205.07674v1
• Date: Mon, 16 May 2022 13:41:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-17 17:59:23.512116
• Title: Conditional Born machine for Monte Carlo events generation
• Title（参考訳）: モンテカルロイベント生成のための条件付きボルンマシン
• Authors: Oriel Kiss, Michele Grossi, Enrique Kajomovitz and Sofia Vallecorsa
• Abstract要約: 本稿では,モンテカルロシミュレーションへのボルンマシンの適用と,その到達範囲を条件分布に拡張する。 人工機械は、高エネルギー物理衝突器実験において、ミューオン力キャリア(MFC)イベントを生成するために使用される。 実証的な証拠は、ボルンマシンがモンテカルロシミュレーションから得られたデータセットの分布を再現できることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative modeling is a promising task for near-term quantum devices, which can use the stochastic nature of quantum measurements as random source. So called Born machines are purely quantum models and promise to generate probability distributions in a quantum way, inaccessible to classical computers. This paper presents an application of Born machines to Monte Carlo simulations and extends their reach to multivariate and conditional distributions. Models are run on (noisy) simulators and IBM Quantum superconducting quantum hardware. More specifically, Born machines are used to generate muonic force carriers (MFC) events resulting from scattering processes between muons and the detector material in high-energy-physics colliders experiments. MFCs are bosons appearing in beyond the standard model theoretical frameworks, which are candidates for dark matter. Empirical evidences suggest that Born machines can reproduce the underlying distribution of datasets coming from Monte Carlo simulations, and are competitive with classical machine learning-based generative models of similar complexity.
• Abstract（参考訳）: 生成モデリングは、量子測定の確率的性質をランダムソースとして利用できる、短期量子デバイスにとって有望なタスクである。 いわゆるBorn Machineは純粋に量子モデルであり、量子的に確率分布を生成することを約束する。 本稿では,モンテカルロシミュレーションへのボルンマシンの適用例を示し,多変量分布と条件分布にそのリーチを広げる。 モデルは(ノイズの多い)シミュレータとIBM Quantum超伝導量子ハードウェア上で実行される。 より具体的には、高エネルギー・物理衝突型加速器実験でミューオンと検出器材料の間の散乱過程から生じるミューオン力担体(mfc)を発生させる。 mfcは、暗黒物質の候補である標準モデル理論の枠組みを超えて現れるボソンである。 実証的な証拠から、ボルンマシンはモンテカルロシミュレーションから来るデータセットの基盤となる分布を再現でき、同様の複雑さを持つ古典的な機械学習ベースの生成モデルと競合することが示されている。

関連論文リスト

• Toward hybrid quantum simulations with qubits and qumodes on trapped-ion platforms [0.0]
  トラップイオンプラットフォーム上での離散(量子)変数と連続(量子)変数を用いたハイブリッド量子コンピューティングの実現可能性について検討する。 既存のトラップイオン量子プラットフォームにおいて,高忠実度ハイブリッドゲートと測定操作が実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-09T18:01:15Z)
• Quantum Dynamical Hamiltonian Monte Carlo [0.0]
  機械学習におけるユビキタスな問題は、ログの確率を通してのみアクセス可能な確率分布からサンプリングすることである。 我々は、チェインモンテカルロ(MCMC)サンプリングのための有名なハミルトンモンテカルロ法を拡張し、ハイブリッド方式で量子計算を利用する。
  論文  参考訳（メタデータ） (2024-03-04T07:08:23Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Protocols for classically training quantum generative models on probability distributions [17.857341127079305]
  量子生成モデリング(QGM)は、量子状態を作成し、サンプルを隠れた(あるいは既知の)確率分布として生成することに依存する。 そこで本研究では,QGMの高速勾配を考慮した回路に基づく古典的学習手法を提案する。 通常のデスクトップコンピュータ上で最大30キュービットの確率分布を用いたIQP回路のエンドツーエンドのトレーニングを数値的に示す。
  論文  参考訳（メタデータ） (2022-10-24T17:57:09Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• 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)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• A Continuous Variable Born Machine [0.0]
  本稿では、連続変数量子コンピューティングの代替アーキテクチャに基づいて構築された連続変数ボルンマシンについて述べる。 量子的連続分布と古典的連続分布の両方を学習できるモデルを示す数値的な結果を提供する。
  論文  参考訳（メタデータ） (2020-11-02T11:36:05Z)
• Quantum versus Classical Generative Modelling in Finance [1.3212032015497979]
  機械学習における生成モデル作成作業における量子モデルと古典モデルの性能について検討し比較する。 エンタングルメントは、ボルツマンマシンに対する優位性を示す問題インスタンスにおいて典型的に重要な役割を果たしている。
  論文  参考訳（メタデータ） (2020-08-03T07:50:33Z)

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。