論文の概要: Quantum generative adversarial learning for simultaneous multiparameter estimation

• arxiv url: http://arxiv.org/abs/2205.13500v1
• Date: Thu, 26 May 2022 17:16:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-11 16:27:58.687827
• Title: Quantum generative adversarial learning for simultaneous multiparameter estimation
• Title（参考訳）: 同時マルチパラメータ推定のための量子生成逆学習
• Authors: Zichao Huang, Yuanyuan Chen, and Lixiang Chen
• Abstract要約: 本稿では,適応的フィードバックによる量子生成対向学習の実証実験を報告する。 その結果, 有害ノイズの存在下においても, 量子生成逆学習の興味深い利点が示唆された。
• 参考スコア（独自算出の注目度）: 7.6333322023084955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative adversarial learning is currently one of the most prolific fields in artificial intelligence due to its great performance in a variety of challenging tasks such as photorealistic image and video generation. While a quantum version of generative adversarial learning has emerged that promises exponential advantages over its classical counterpart, its experimental implementation and potential applications with accessible quantum technologies remain explored little. Here, we report an experimental demonstration of quantum generative adversarial learning with the assistance of adaptive feedback that is based on stochastic gradient descent algorithm. Its performance is explored by applying this technique to the adaptive characterization of quantum dynamics and simultaneous estimation of multiple phases. These results indicate the intriguing advantages of quantum generative adversarial learning even in the presence of deleterious noise, and pave the way towards quantum-enhanced information processing applications.
• Abstract（参考訳）: 生成的敵対学習は、現在、フォトリアリスティック画像やビデオ生成など、さまざまな課題における優れたパフォーマンスのために、人工知能の最も多目的な分野の1つである。 古典的学習に比べて指数関数的な優位性を持つ生成逆学習の量子バージョンが登場したが、その実験的実装と、アクセス可能な量子技術による潜在的な応用はほとんど研究されていない。 本稿では,確率的勾配降下アルゴリズムに基づく適応フィードバックを用いて,量子生成型逆学習を実験的に実証する。 その性能は、量子力学の適応的評価と多重位相の同時推定にこの手法を適用して検討する。 これらの結果は、有害ノイズの存在下でも量子生成逆学習の興味をそそる利点を示し、量子エンハンス型情報処理アプリケーションへの道を開くものである。

関連論文リスト

• Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
  我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。 アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。 本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
  論文  参考訳（メタデータ） (2024-07-02T18:00:00Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum-enhanced pattern recognition [0.0]
  パターン認識の多セル問題において,初めて量子的優位性を示す。 我々は、古典的な資源で達成された分類誤差の量子的優位性を達成するために、絡み合ったプローブ状態と光子計数を用いる。 このことは、複雑な領域内でのボソニックロスの量子化パターン認識の今後の発展を動機付けている。
  論文  参考訳（メタデータ） (2023-04-12T13:06:38Z)
• Synergic quantum generative machine learning [0.0]
  提案手法は, ジェネレータと識別器の協調に依拠し, 量子交感神経生成学習と呼ぶ。 我々は,最近提案された量子生成逆学習と相乗的アプローチが好適に比較できるという数値的証拠を提示する。 量子シミュレータで得られた結果に加えて、実際のプログラマブル量子コンピュータで得られた実験結果も提示する。
  論文  参考訳（メタデータ） (2021-12-25T16:39:33Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• How to enhance quantum generative adversarial learning of noisy information [5.8010446129208155]
  最適化プロセス中にどのような異なるトレーニング問題が発生するかを示す。 我々は,どのオペレーティング・システムにおいても,より高速な収束を実現するための新しい戦略を提案する。 本研究は,このようなハイブリッド古典量子プロトコルの実験的実験の道を開くものである。
  論文  参考訳（メタデータ） (2020-12-10T21:48:26Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
  連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。 また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。 我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
  論文  参考訳（メタデータ） (2020-06-02T23:14:45Z)

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。