Fugu-MT 論文翻訳(概要): Are classical neural networks quantum?

論文の概要: Are classical neural networks quantum?

arxiv url: http://arxiv.org/abs/2206.00005v1
Date: Tue, 31 May 2022 09:33:51 GMT
ステータス: 処理完了
システム内更新日: 2022-06-02 13:38:05.500090
Title: Are classical neural networks quantum?
Title（参考訳）: 古典的ニューラルネットワークは量子か?
Authors: Andrei T. Patrascu
Abstract要約: ニューラルネットワークは、波動関数の近似として、多くの粒子系の状態空間の探索を改善するために使用されている。ここでは、システムを量子化する理由と、ニューラルネットワークが量子残基を持つと解釈できる範囲について論じます。
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: Neural networks are being used to improve the probing of the state spaces of many particle systems as approximations to wavefunctions and in order to avoid the recurring sign problem of quantum monte-carlo. One may ask whether the usual classical neural networks have some actual hidden quantum properties that make them such suitable tools for a highly coupled quantum problem. I discuss here what makes a system quantum and to what extent we can interpret a neural network as having quantum remnants.
Abstract（参考訳）: 量子モンテカルロの繰り返し符号問題を避けるために、ニューラルネットワークは波動関数の近似として多くの粒子系の状態空間の探索を改善するために使われている。通常の古典的ニューラルネットワークが、高結合量子問題に適したツールとなるような隠れた量子特性を持っているかどうかを問うことができる。ここで、システムの量子化と、ニューラルネットワークが量子残差を持つと解釈できる範囲について議論する。

関連論文リスト

Entanglement transition in deep neural quantum states [0.0]
深部ニューラルネットワークにおける情報伝達が深部神経量子状態の物理的絡み合い特性にどのように影響するかを示す。このブリッジにより、領域と体積法が絡み合った状態を表すために最適な神経量子状態ハイパーパラメーターレギュレーションを特定できる。正確な量子状態表現のためのネットワーク構成の理解の進歩は、容積法則量子状態を扱う効果的な表現を開発するのに役立ちます。
論文参考訳（メタデータ） (2023-12-19T08:40:23Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Experimental verification of the quantum nature of a neural network [0.0]
システムを量子化する理由と、ニューラルネットワークが量子残基を持つと解釈できる範囲について論じる。古典的ニューラルネットワークの量子関数規則(マップ)から絡み合いを抽出できる可能性のある実験を提案する。
論文参考訳（メタデータ） (2022-08-23T06:33:59Z)
Parametrized constant-depth quantum neuron [56.51261027148046]
本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
論文参考訳（メタデータ） (2022-02-25T04:57:41Z)
Quantifying Unknown Entanglement by Neural Networks [1.6629141734354616]
ニューラルネットワークは未知の絡み合いを定量化するために訓練され、ニューラルネットワークの入力特徴は、ターゲットの量子状態を局所的に測定した結果統計データである。その結果、トレーニングするニューラルネットワークは、未知の量子状態の定量化に非常に優れた性能を持つことがわかった。
論文参考訳（メタデータ） (2021-04-26T12:50:25Z)
On quantum neural networks [91.3755431537592]
量子ニューラルネットワークの概念は、その最も一般的な関数の観点から定義されるべきである。我々の推論は、量子力学におけるファインマン経路積分定式化の利用に基づいている。
論文参考訳（メタデータ） (2021-04-12T18:30:30Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
Quantum Deformed Neural Networks [83.71196337378022]
我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
論文参考訳（メタデータ） (2020-10-21T09:46:12Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。