論文の概要: Machine and quantum learning for diamond-based quantum applications
- arxiv url: http://arxiv.org/abs/2208.00256v1
- Date: Sat, 30 Jul 2022 15:36:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 23:47:43.815354
- Title: Machine and quantum learning for diamond-based quantum applications
- Title(参考訳): ダイヤモンド系量子応用のための機械と量子学習
- Authors: Dylan G. Stone and Carlo Bradac
- Abstract要約: ダイヤモンドベースの量子技術の発展において,機械と量子学習が果たす役割を論じ,分析する。
機械学習と量子学習が、測定速度と精度の実用的および基本的な改善につながっていることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, machine and quantum learning have gained considerable
momentum sustained by growth in computational power and data availability and
have shown exceptional aptness for solving recognition- and classification-type
problems, as well as problems that require complex, strategic planning. In this
work, we discuss and analyze the role machine and quantum learning are playing
in the development of diamond-based quantum technologies. This matters as
diamond and its optically-addressable spin defects are becoming prime hardware
candidates for solid state-based applications in quantum information, computing
and metrology. Through a selected number of demonstrations, we show that
machine and quantum learning are leading to both practical and fundamental
improvements in measurement speed and accuracy. This is crucial for quantum
applications, especially for those where coherence time and signal-to-noise
ratio are scarce resources. We summarize some of the most prominent machine and
quantum learning approaches that have been conducive to the presented advances
and discuss their potential for proposed and future quantum applications.
- Abstract(参考訳): 近年、計算機と量子学習は、計算能力とデータ可用性の増大によってかなりの勢いを保ち、認識型および分類型問題の解決や複雑な戦略的計画を必要とする問題に対して、例外的な適応性を示した。
本研究では,ダイヤモンドベースの量子技術開発において,機械学習と量子学習が果たす役割について議論し,分析する。
ダイヤモンドとその光学的に配置可能なスピン欠陥は、量子情報、コンピューティング、メトロロジーにおける固体ベースの応用の第一のハードウェア候補になりつつある。
選択された多数の実演を通して、機械学習と量子学習が、測定速度と精度の実用的および基本的な改善をもたらすことを示す。
これは量子応用、特にコヒーレンス時間と信号-雑音比が乏しい場合において重要である。
提案した進歩に寄与した、最も顕著な機械学習と量子学習のアプローチをまとめた上で、提案および将来の量子応用の可能性について論じる。
関連論文リスト
- Quantum Computing: Vision and Challenges [16.825412568072434]
量子コンピューティングの最近の発展は、従来のコンピューティングよりも大幅に処理上の利点を提供する能力を持っている。
量子機能は、従来の計算手法では解決できない多くの難しい問題を解くのに役立つ。
本稿では,この領域における現在の研究の基盤とビジョンについて考察する。
論文 参考訳(メタデータ) (2024-03-04T17:33:18Z) - Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳(メタデータ) (2023-07-24T02:48:22Z) - 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) - Learning Quantum Systems [0.0]
量子技術は、セキュアな通信、高性能コンピューティング、超精密センシングにおける画期的な応用によって、私たちの社会に革命をもたらすと約束している。
量子技術のスケールアップにおける主な特徴の1つは、量子システムの複雑さがその大きさと指数関数的にスケールすることである。
これは、量子状態の効率的なキャリブレーション、ベンチマーク、検証とその動的制御において深刻な問題を引き起こす。
論文 参考訳(メタデータ) (2022-07-01T09:47:26Z) - 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) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳(メタデータ) (2022-04-08T17:48:59Z) - Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。
本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-24T12:48:00Z) - Machine Learning for Quantum Matter [0.0]
本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。
機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
論文 参考訳(メタデータ) (2020-03-24T18:00:30Z)
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。