論文の概要: Laziness, Barren Plateau, and Noise in Machine Learning
- arxiv url: http://arxiv.org/abs/2206.09313v1
- Date: Sun, 19 Jun 2022 02:58:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 13:07:12.465422
- Title: Laziness, Barren Plateau, and Noise in Machine Learning
- Title(参考訳): 機械学習における遅延, バレン高原, 騒音
- Authors: Junyu Liu, Zexi Lin, Liang Jiang
- Abstract要約: 量子機械学習における遅延とエンフバレンプラトーの違いについて論じる。
オーバーパラメトリゼーション方式では,変分量子アルゴリズムがノイズ耐性を持つことを示す。
- 参考スコア(独自算出の注目度): 10.058827198658252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We define \emph{laziness} to describe a large suppression of variational
parameter updates for neural networks, classical or quantum. In the quantum
case, the suppression is exponential in the number of qubits for randomized
variational quantum circuits. We discuss the difference between laziness and
\emph{barren plateau} in quantum machine learning created by quantum physicists
in \cite{mcclean2018barren} for the flatness of the loss function landscape
during gradient descent. We address a novel theoretical understanding of those
two phenomena in light of the theory of neural tangent kernels. For noiseless
quantum circuits, without the measurement noise, the loss function landscape is
complicated in the overparametrized regime with a large number of trainable
variational angles. Instead, around a random starting point in optimization,
there are large numbers of local minima that are good enough and could minimize
the mean square loss function, where we still have quantum laziness, but we do
not have barren plateaus. However, the complicated landscape is not visible
within a limited number of iterations, and low precision in quantum control and
quantum sensing. Moreover, we look at the effect of noises during optimization
by assuming intuitive noise models, and show that variational quantum
algorithms are noise-resilient in the overparametrization regime. Our work
precisely reformulates the quantum barren plateau statement towards a precision
statement and justifies the statement in certain noise models, injects new hope
toward near-term variational quantum algorithms, and provides theoretical
connections toward classical machine learning. Our paper provides conceptual
perspectives about quantum barren plateaus, together with discussions about the
gradient descent dynamics in \cite{together}.
- Abstract(参考訳): 我々は,ニューラルネットワーク,古典的あるいは量子的な変動パラメータ更新の大規模な抑制を記述するために, \emph{laziness} を定義する。
量子の場合、抑制はランダム化された変分量子回路の量子ビット数で指数関数的である。
勾配降下時の損失関数ランドスケープの平坦性について,量子物理学者が生成した量子機械学習における遅延性とemph{barren plateau}の違いについて考察する。
ニューラル・タンジェント・カーネルの理論に照らして、これらの2つの現象の新たな理論的理解に取り組む。
ノイズのない量子回路では、測定ノイズがなければ、多くの訓練可能な変動角を持つ過パラメータ状態において損失関数のランドスケープは複雑である。
代わりに、最適化のランダムな出発点付近には、十分な量の局所ミニマが存在し、平均二乗損失関数を最小化することができる。
しかし、複雑な風景は限られた回数の反復の中では見えず、量子制御や量子センシングの精度は低い。
さらに,直感的な雑音モデルを想定し,最適化時の雑音の影響を考察し,過度なパラメータ化方式では変分量子アルゴリズムが耐雑音性を示す。
私たちの研究は、量子バレンプラトーステートメントを精密なステートメントに向けて正確に再構成し、特定のノイズモデルでステートメントを正当化し、短期的な変分量子アルゴリズムへの新たな希望を注入し、古典的機械学習への理論的接続を提供する。
本論文は,量子バレン高原に関する概念的視点と<cite{together}の勾配降下ダイナミクスに関する議論を提供する。
関連論文リスト
- Quantum Zeno Monte Carlo for observable measurement [0.0]
本稿では,量子ゼノモンテカルロ法 (Quantum Zeno Monte Carlo) と呼ばれる新しいノイズ耐性・アンザッツフリーアルゴリズムを提案する。
量子ゼノ効果とモンテカルロ積分を利用して、ターゲット固有状態への多段階の断熱遷移を行う。
静的だけでなく、基底状態エネルギー、励起状態エネルギー、グリーン関数などの動的物理特性も、変動パラメータを使わずに効率的に見つけることができる。
論文 参考訳(メタデータ) (2024-03-05T08:32:17Z) - Variational Quantum AdaBoost with Supervised Learning Guarantee [8.163913266445304]
変動量子AdaBoostは、予測においてはるかに高い精度を達成できるだけでなく、ノイズの影響を軽減するのにも有効であることを示す。
我々の研究は、現在のNISQ時代において、適切なアンサンブル法を導入することは、量子機械学習アルゴリズムの性能向上に特に有用であることを示している。
論文 参考訳(メタデータ) (2024-02-04T07:18:44Z) - 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) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳(メタデータ) (2024-01-10T22:33:00Z) - Exponentially tighter bounds on limitations of quantum error mitigation [0.6299766708197883]
短期量子コンピューティングにおいて、避けられない誤りに対処する手段として量子エラー軽減法が提案されている。
本研究では,より大きなシステムサイズに対して,量子ノイズを効果的に排除できる程度に強い制約を課す。
論文 参考訳(メタデータ) (2022-10-20T18:12:42Z) - Beyond Barren Plateaus: Quantum Variational Algorithms Are Swamped With
Traps [0.0]
変分量子モデルは、よい初期推定が知られていない場合、訓練不可能であることが示される。
また,クエリのサブ指数数では,ノイズの多様さは不可能であることを示す。
論文 参考訳(メタデータ) (2022-05-11T21:55:42Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳(メタデータ) (2022-04-26T09:52:02Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳(メタデータ) (2021-12-10T17:32:15Z) - Mitigated barren plateaus in the time-nonlocal optimization of analog
quantum-algorithm protocols [0.0]
変分量子アルゴリズムのようなアルゴリズムクラスは、バレンプラトーに苦しむことが示されている。
本稿では,ハミルトニアン系パラメータのトレーニング可能なフーリエ係数に基づく量子アルゴリズムの最適化手法を提案する。
論文 参考訳(メタデータ) (2021-11-15T21:13:10Z) - 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) - Continuous-time dynamics and error scaling of noisy highly-entangling
quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。
我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。
動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文 参考訳(メタデータ) (2021-02-08T14:55:44Z)
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。