論文の概要: Natural evolutionary strategies applied to quantum-classical hybrid neural networks

• arxiv url: http://arxiv.org/abs/2205.08059v1
• Date: Tue, 17 May 2022 02:14:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-18 14:23:58.907799
• Title: Natural evolutionary strategies applied to quantum-classical hybrid neural networks
• Title（参考訳）: 量子古典型ハイブリッドニューラルネットワークへの自然進化戦略の適用
• Authors: Lucas Friedrich and Jonas Maziero
• Abstract要約: ブラックボックス最適化アルゴリズムのファミリであるNatural Evolutionary Strategies(NES)について検討する。 本手法が量子ニューラルネットワークのトレーニングに有効な代替手段であることを示すため,二元分類タスクにNES法を適用した。
• 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: With the rapid development of quantum computers, several applications are being proposed for them. Quantum simulations, simulation of chemical reactions, solution of optimization problems and quantum neural networks are some examples. However, problems such as noise, limited number of qubits and circuit depth, and gradient vanishing must be resolved before we can use them to their full potential. In the field of quantum machine learning, several models have been proposed. In general, in order to train these different models, we use the gradient of a cost function with respect to the model parameters. In order to obtain this gradient, we must compute the derivative of this function with respect to the model parameters. For this we can use the method called parameter-shift rule. This method consists of evaluating the cost function twice for each parameter of the quantum network. A problem with this method is that the number of evaluations grows linearly with the number of parameters. In this work we study an alternative method, called Natural Evolutionary Strategies (NES), which are a family of black box optimization algorithms. An advantage of the NES method is that in using it one can control the number of times the cost function will be evaluated. We apply the NES method to the binary classification task, showing that this method is a viable alternative for training quantum neural networks.
• Abstract（参考訳）: 量子コンピュータの急速な発展に伴い、いくつかの応用が提案されている。 量子シミュレーション、化学反応のシミュレーション、最適化問題の解法、量子ニューラルネットワークなどがその一例である。 しかし、ノイズやキュービット数、回路深度の制限、勾配の消失といった問題は、それらのポテンシャルをフルに活用する前に解決しなければならない。 量子機械学習の分野では、いくつかのモデルが提案されている。 一般に、これらの異なるモデルを訓練するために、モデルパラメータに対するコスト関数の勾配を用いる。 この勾配を得るためには、モデルパラメータに関してこの関数の微分を計算する必要がある。 このためにパラメータシフトルールと呼ばれるメソッドを使うことができる。 この方法は、量子ネットワークの各パラメータに対するコスト関数の評価を2回行う。 本手法の問題点は,パラメータ数で評価回数が線形に増加することである。 本研究では,ブラックボックス最適化アルゴリズムの一群であるNatural Evolutionary Strategies (NES) という代替手法について検討する。 NES法の利点は、それを使用することでコスト関数が評価される回数を制御することができることである。 本手法は,2値分類タスクにnes法を適用し,量子ニューラルネットワークのトレーニングに有効な代替手段であることを示す。

関連論文リスト

• NN-AE-VQE: Neural network parameter prediction on autoencoded variational quantum eigensolvers [1.7400502482492273]
  近年、量子コンピューティングの分野は大幅に成熟している。 NN-AE-VQEというニューラルネットワークを用いた自動符号化VQEを提案する。 我々はこれらの手法を、化学的精度を達成するために、$H$分子上で実証する。
  論文  参考訳（メタデータ） (2024-11-23T23:09:22Z)
• Non-binary artificial neuron with phase variation implemented on a quantum computer [0.0]
  複素数の位相を操作するバイナリモデルを一般化するアルゴリズムを導入する。 量子コンピュータにおける連続的な値を扱うニューロンモデルを提案し,検証し,実装する。
  論文  参考訳（メタデータ） (2024-10-30T18:18:53Z)
• Learning To Optimize Quantum Neural Network Without Gradients [3.9848482919377006]
  本稿では,量子回路のパラメータを出力するために,Emphmeta-Optimizerネットワークをトレーニングする新しいメタ最適化アルゴリズムを提案する。 我々は,従来の勾配に基づくアルゴリズムよりも回路評価が少ない場合に,より高品質な最小値が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-15T01:09:12Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• Avoiding Barren Plateaus with Classical Deep Neural Networks [0.0]
  VQA(Vari quantum algorithm)は、ノイズ中間スケール量子デバイス時代において最も有望なアルゴリズムの一つである。 VQAは、化学シミュレーション、最適化問題、量子ニューラルネットワークなど、様々なタスクに適用される。 本稿では,VQA入力パラメータにおける古典的ニューラルネットワークの利用がバレンプラトー現象を緩和する方法について報告する。
  論文  参考訳（メタデータ） (2022-05-26T15:14:01Z)
• Quantum Kernel Methods for Solving Differential Equations [21.24186888129542]
  量子カーネル法を用いて微分方程式(DE)の解法を提案する。 量子モデルをカーネル関数の重み付け和として構成し、特徴写像を用いて変数を符号化し、モデル微分を表現する。
  論文  参考訳（メタデータ） (2022-03-16T18:56:35Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Training Feedback Spiking Neural Networks by Implicit Differentiation on the Equilibrium State [66.2457134675891]
  スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする脳にインスパイアされたモデルである。 既存のほとんどの手法は、人工ニューラルネットワークのバックプロパゲーションフレームワークとフィードフォワードアーキテクチャを模倣している。 本稿では,フォワード計算の正逆性に依存しない新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:46:54Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)

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。