論文の概要: Quantum Kerr Learning

• arxiv url: http://arxiv.org/abs/2205.12004v1
• Date: Fri, 20 May 2022 21:45:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-25 12:36:15.817972
• Title: Quantum Kerr Learning
• Title（参考訳）: 量子カーラー学習
• Authors: Junyu Liu, Changchun Zhong, Matthew Otten, Cristian L. Cortes, Chaoyang Ti, Stephen K Gray, Xu Han
• Abstract要約: 我々は、単一カーモードが量子カーネル法を使用する際に追加の量子拡張をもたらすかもしれないと論じる。 カーネル法、ニューラル・タンジェント・カーネル理論、カー非線型性の1次摂動理論、および非摂動数値シミュレーションを用いた詳細な研究は、量子的拡張が起こる可能性を示唆している。
• 参考スコア（独自算出の注目度）: 10.109956955906718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning is a rapidly evolving area that could facilitate important applications for quantum computing and significantly impact data science. In our work, we argue that a single Kerr mode might provide some extra quantum enhancements when using quantum kernel methods based on various reasons from complexity theory and physics. Furthermore, we establish an experimental protocol, which we call \emph{quantum Kerr learning} based on circuit QED. A detailed study using the kernel method, neural tangent kernel theory, first-order perturbation theory of the Kerr non-linearity, and non-perturbative numerical simulations, shows quantum enhancements could happen in terms of the convergence time and the generalization error, while explicit protocols are also constructed for higher-dimensional input data.
• Abstract（参考訳）: 量子機械学習は急速に進化する分野であり、量子コンピューティングの重要な応用を促進し、データサイエンスに大きな影響を及ぼす可能性がある。 我々の研究では、複雑性理論や物理学の様々な理由に基づいて量子カーネル法を使用する場合、単一のカーモードが追加の量子拡張をもたらすかもしれないと論じている。 さらに、回路QEDに基づいて「emph{quantum Kerr learning}」と呼ぶ実験プロトコルを確立する。 カーネル法、ニューラル・タンジェント・カーネル理論、カー非線形性の一階摂動理論、非摂動数値シミュレーションを用いた詳細な研究により、量子拡張は収束時間と一般化誤差の観点から起こりうることが示され、一方、明示的なプロトコルは高次元入力データに対しても構築されている。

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)
• Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
  No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。 我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。 得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。 この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
  論文  参考訳（メタデータ） (2024-05-12T09:05:13Z)
• A Kerr kernel quantum learning machine [0.0]
  超伝導量子回路に基づく量子ハードウェアカーネルの実装手法を提案する。 このスキームは量子ビットや量子回路を使用せず、カーモードのアナログ特性を利用する。
  論文  参考訳（メタデータ） (2024-04-02T09:50:33Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Hamiltonian Encoding for Quantum Approximate Time Evolution of Kinetic Energy Operator [2.184775414778289]
  時間進化作用素は、量子コンピュータにおける化学実験の正確な計算において重要な役割を果たす。 我々は、運動エネルギー演算子の量子化のための新しい符号化法、すなわち量子近似時間発展法(QATE)を提案している。
  論文  参考訳（メタデータ） (2023-10-05T05:25:38Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum tangent kernel [0.8921166277011345]
  本研究では,パラメータ化量子回路を用いた量子機械学習モデルについて検討する。 深層量子回路のパラメータは、トレーニング中に初期値からあまり移動しないことがわかった。 このような深い変動量子機械学習は、別の創発的カーネルである量子タンジェントカーネルによって記述することができる。
  論文  参考訳（メタデータ） (2021-11-04T15:38:52Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• Quantum machine learning models are kernel methods [0.0]
  この技術写本は、量子モデルをカーネルメソッドとして体系的に言い換えることでリンクを要約し、形式化し、拡張する。 これは、ほとんどの短期およびフォールトトレラント量子モデルは、一般的な支持ベクトルマシンに置き換えることができることを示している。 特にカーネルベースのトレーニングは、変分回路のトレーニングよりも優れた、あるいは同等に優れた量子モデルを見つけることが保証されている。
  論文  参考訳（メタデータ） (2021-01-26T19:00:04Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)

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。