論文の概要: Quantum Neural Network Classifiers: A Tutorial

• arxiv url: http://arxiv.org/abs/2206.02806v1
• Date: Mon, 6 Jun 2022 18:00:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-08 14:31:55.907213
• Title: Quantum Neural Network Classifiers: A Tutorial
• Title（参考訳）: 量子ニューラルネットワーク分類器:チュートリアル
• Authors: Weikang Li and Zhide Lu and Dong-Ling Deng
• Abstract要約: 我々は、パラメータ化量子回路の形で量子ニューラルネットワークに焦点を当てる。 我々は主に、教師付き学習タスクのための量子ニューラルネットワークの異なる構造と符号化戦略について議論する。 Julia言語で記述された量子シミュレーションパッケージであるYoo.jlを使って、パフォーマンスをベンチマークする。
• 参考スコア（独自算出の注目度）: 1.4567067583556714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning has achieved dramatic success over the past decade, with applications ranging from face recognition to natural language processing. Meanwhile, rapid progress has been made in the field of quantum computation including developing both powerful quantum algorithms and advanced quantum devices. The interplay between machine learning and quantum physics holds the intriguing potential for bringing practical applications to the modern society. Here, we focus on quantum neural networks in the form of parameterized quantum circuits. We will mainly discuss different structures and encoding strategies of quantum neural networks for supervised learning tasks, and benchmark their performance utilizing Yao.jl, a quantum simulation package written in Julia Language. The codes are efficient, aiming to provide convenience for beginners in scientific works such as developing powerful variational quantum learning models and assisting the corresponding experimental demonstrations.
• Abstract（参考訳）: 機械学習は、顔認識から自然言語処理に至るまで、過去10年間で劇的な成功を収めてきた。 一方、強力な量子アルゴリズムと高度な量子デバイスの開発を含む量子計算の分野では急速に進歩している。 機械学習と量子物理学の相互作用は、現代の社会に実用的な応用をもたらす興味深い可能性を秘めている。 ここでは、パラメータ化量子回路の形で量子ニューラルネットワークに焦点を当てる。 主に、教師付き学習タスクのための量子ニューラルネットワークの構造と符号化戦略について論じ、Julia言語で記述された量子シミュレーションパッケージであるYao.jlを用いて、その性能をベンチマークする。 コードは効率的であり、強力な変分量子学習モデルの開発や、対応する実験的なデモンストレーションの支援など、科学研究の初心者に便宜を提供することを目的としている。

関連論文リスト

• 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 Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Quantum neural networks force fields generation [0.0]
  量子ニューラルネットワークアーキテクチャを設計し、複雑性が増大するさまざまな分子に適用することに成功しています。 量子モデルは古典的なモデルに対してより大きな有効次元を示し、競争性能に達することができる。
  論文  参考訳（メタデータ） (2022-03-09T12:10:09Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Mutual Reinforcement between Neural Networks and Quantum Physics [0.0]
  量子機械学習は、量子力学と機械学習の共生から生まれる。 古典的な機械学習を量子物理学問題に適用するためのツールとして使う。 量子パーセプトロンの力学に基づく量子ニューラルネットワークの設計と、短絡の断熱への応用は、短時間の動作時間と堅牢な性能をもたらす。
  論文  参考訳（メタデータ） (2021-05-27T16:20:50Z)
• Experimental quantum memristor [0.5396401833457565]
  我々は、集積フォトニクスと単一光子に作用する新しい量子光学メムリスタを、実験的に導入し、実証する。 私たちのデバイスは、即時および短期的な量子ニューロモルフィックアーキテクチャの構築ブロックになる可能性がある。
  論文  参考訳（メタデータ） (2021-05-11T08:42:14Z)
• 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)
• Variational learning for quantum artificial neural networks [0.0]
  まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。 次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。 メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
  論文  参考訳（メタデータ） (2021-03-03T16:10:15Z)
• 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)

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。