論文の概要: Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2206.14115v1
• Date: Tue, 28 Jun 2022 16:23:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-01 08:54:53.340938
• Title: Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization
• Title（参考訳）: 量子回路を用いた量子ニューラルアーキテクチャ探索とベイズ最適化
• Authors: Trong Duong, Sang T. Truong, Minh Tam, Bao Bach, Ju-Young Ryu, June-Koo Kevin Rhee
• Abstract要約: 各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
• 参考スコア（独自算出の注目度）: 2.20200533591633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum neural networks are promising for a wide range of applications in the Noisy Intermediate-Scale Quantum era. As such, there is an increasing demand for automatic quantum neural architecture search. We tackle this challenge by designing a quantum circuits metric for Bayesian optimization with Gaussian process. To this goal, we propose a new quantum gates distance that characterizes the gates' action over every quantum state and provide a theoretical perspective on its geometrical properties. Our approach significantly outperforms the benchmark on three empirical quantum machine learning problems including training a quantum generative adversarial network, solving combinatorial optimization in the MaxCut problem, and simulating quantum Fourier transform. Our method can be extended to characterize behaviors of various quantum machine learning models.
• Abstract（参考訳）: 量子ニューラルネットワークは、ノイズ中間スケール量子時代において幅広い応用を約束している。 そのため、量子ニューラルネットワークの自動探索の需要が高まっている。 ガウス過程を用いてベイズ最適化のための量子回路計量を設計することでこの問題に取り組む。 この目的のために,各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案し,その幾何学的性質を理論的に考察する。 このアプローチは,量子生成逆ネットワークのトレーニング,マックスカット問題における組合せ最適化の解法,量子フーリエ変換のシミュレーションなど,3つの経験的量子機械学習問題のベンチマークを著しく上回っている。 本手法は,様々な量子機械学習モデルの動作を特徴付けるために拡張することができる。

関連論文リスト

• Distributed Quantum Simulation [13.11934294941432]
  通信効率の高い分散量子シミュレーションプロトコルを提案する。 我々のプロトコルは、量子通信の複雑さの低い境界を導出することで最適であることが示されている。 我々の研究は、スケーラブルな量子シミュレーションによって実用的な量子優位を達成するための道を開いた。
  論文  参考訳（メタデータ） (2024-11-05T07:48:40Z)
• Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
  本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。 量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
  論文  参考訳（メタデータ） (2024-06-03T09:51:25Z)
• Universal quantum computation using quantum annealing with the transverse-field Ising Hamiltonian [0.0]
  逆場イジング・ハミルトニアンを用いた普遍量子計算の実践的実装法を提案する。 我々の提案はD-Waveデバイスと互換性があり、大規模ゲートベースの量子コンピュータの実現の可能性を広げている。
  論文  参考訳（メタデータ） (2024-02-29T12:47:29Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• Time-Optimal Quantum Driving by Variational Circuit Learning [2.9582851733261286]
  ディジタル量子シミュレーションとハイブリッド回路学習は、量子最適制御の新しい可能性を開く。 有限個の量子ビットを持つ量子デバイス上で、捕捉された量子粒子の波束展開をシミュレートする。 本手法の誤差に対する堅牢性について考察し,回路にバレンプラトーが存在しないことを示す。
  論文  参考訳（メタデータ） (2022-11-01T11:53:49Z)
• 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)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• 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)
• TensorFlow Quantum: A Software Framework for Quantum Machine Learning [36.75544801185366]
  本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。 本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
  論文  参考訳（メタデータ） (2020-03-06T01:31:43Z)

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。