論文の概要: Implementing quantum dimensionality reduction for non-Markovian stochastic simulation

• arxiv url: http://arxiv.org/abs/2208.12744v2
• Date: Wed, 18 Oct 2023 10:30:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-19 13:29:21.322218
• 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）: 0.5269923665485903
• 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

• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Theoretical framework for quantum associative memories [0.8437187555622164]
  連想メモリ(Associative memory)とは、メモリと入力を関連付け、劣化したパターンの復元を目標とする能力である。 オープン量子系力学に基づく量子連想メモリのための包括的フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-08-26T13:46:47Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Negativity as a resource for memory reduction in stochastic process modeling [0.0]
  正準確率を許容する隠れマルコフモデルの仮説的一般化を考える。 衝突エントロピー測度の下では、そのようなモデルの最小メモリは余剰エントロピーを等しくすることができることを示す。
  論文  参考訳（メタデータ） (2024-06-25T05:42:15Z)
• 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)
• 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。