論文の概要: Implementing quantum dimensionality reduction for non-Markovian
stochastic simulation
- arxiv url: http://arxiv.org/abs/2208.12744v1
- Date: Fri, 26 Aug 2022 15:54:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-29 14:35:06.226260
- Title: Implementing quantum dimensionality reduction for non-Markovian
stochastic simulation
- Title(参考訳): 非マルコフ確率シミュレーションのための量子次元削減の実装
- Authors: Kang-Da Wu, Chengran Yang, Ren-Dong He, Mile Gu, Guo-Yong Xiang,
Chuan-Feng Li, Guang-Can Guo, and Thomas J. Elliott
- Abstract要約: 我々は、フォトニックセットアップを用いて、非マルコフ過程の族に対するメモリ効率の量子モデルを実装する。
1量子ビットのメモリで実装された量子モデルは、同じメモリ次元の任意の古典的モデルで可能以上の精度が得られることを示す。
- 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: Complex systems are embedded in our everyday experience. Stochastic modelling
enables us to understand and predict the behaviour of such systems, cementing
its utility across the quantitative sciences. Accurate models of highly
non-Markovian processes -- where the future behaviour depends on events that
happened far in the past -- must track copious amounts of information about
past observations, requiring high-dimensional memories. Quantum technologies
can ameliorate this cost, allowing models of the same processes with lower
memory dimension than corresponding classical models. Here we implement such
memory-efficient quantum models for a family of non-Markovian processes using a
photonic setup. We show that with a single qubit of memory our implemented
quantum models can attain higher precision than possible with any classical
model of the same memory dimension. This heralds a key step towards applying
quantum technologies in complex systems modelling.
- Abstract(参考訳): 複雑なシステムは日々の経験に埋め込まれています。
確率的モデリングは,このようなシステムの振る舞いを理解し,予測することを可能にし,定量的科学においてその有用性を確固たるものにする。
非マルコフ過程の正確なモデル -- 過去の出来事に依存する将来の振る舞いは、過去の観測に関する膨大な量の情報を追跡し、高次元記憶を必要とする。
量子技術はこのコストを改善することができ、対応する古典的モデルよりも低いメモリ次元の同じプロセスのモデルを可能にする。
ここでは、フォトニックセットアップを用いて、非マルコフ過程の族に対してそのようなメモリ効率の量子モデルを実装する。
1量子ビットのメモリで実装された量子モデルは、同じメモリ次元の任意の古典的モデルで可能以上の精度が得られることを示す。
これは複雑なシステムモデリングに量子技術を適用するための重要な一歩となる。
関連論文リスト
- Quantum Denoising Diffusion Models [4.763438526927999]
2つの量子拡散モデルを導入し、それらの能力と古典的能力とをベンチマークする。
我々のモデルは、FID、SSIM、PSNRのパフォーマンス指標の点で、類似したパラメータ数を持つ古典モデルを上回る。
論文 参考訳(メタデータ) (2024-01-13T11:38:08Z) - 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) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳(メタデータ) (2023-03-27T22:48:28Z) - A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。
プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。
ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
論文 参考訳(メタデータ) (2023-01-17T15:16:21Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Generalization despite overfitting in quantum machine learning models [0.0]
量子モデルにおける良性過剰適合のキャラクタリゼーションを提供する。
量子モデルのクラスが如何に類似した特徴を示すかを示す。
我々はこれらの特徴を、局所的な「スパイク」な振る舞いでノイズデータを補間する量子モデルの能力に応じて直感的に説明する。
論文 参考訳(メタデータ) (2022-09-12T18:08:45Z) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳(メタデータ) (2022-01-21T16:35:35Z) - Quantum machine learning beyond kernel methods [0.0]
パラメタライズド量子回路モデルは、カーネルの定式化よりも極めて優れた一般化性能を示すことを示す。
我々の結果は、カーネルの定式化の隣の量子機械学習モデルのより包括的な理論に向けた別のステップを構成する。
論文 参考訳(メタデータ) (2021-10-25T18:00:02Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Provable superior accuracy in machine learned quantum models [2.814412986458045]
我々は,古典的手法よりも高い精度を達成できる機械学習手法により,次元的に低減された量子モデルを構築した。
これらの技術は、時系列解析への量子技術の即時関係を示し、結果の量子優位性が証明可能な稀な事例を提供する。
論文 参考訳(メタデータ) (2021-05-30T05:55:49Z) - Quantum coarse-graining for extreme dimension reduction in modelling
stochastic temporal dynamics [0.0]
量子状態空間における粗粒化は、時間力学をモデル化するために必要なメモリ次元を劇的に減少させる。
古典的な粗粒化とは対照的に、この圧縮は時間分解能に基づいておらず、現在の量子技術の範囲内でメモリ効率のモデリングをもたらす。
論文 参考訳(メタデータ) (2021-05-14T13:47:21Z)
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。