論文の概要: Quantum-Classical Hybrid Information Processing via a Single Quantum System

• arxiv url: http://arxiv.org/abs/2209.00497v1
• Date: Thu, 1 Sep 2022 14:33:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-02 14:22:36.157492
• Title: Quantum-Classical Hybrid Information Processing via a Single Quantum System
• Title（参考訳）: 単一量子システムによる量子古典的ハイブリッド情報処理
• Authors: Quoc Hoan Tran, Sanjib Ghosh and Kohei Nakajima
• Abstract要約: 量子ベースの通信における現在の技術は、ハイブリッド処理のための古典的なデータと量子データの新たな統合をもたらす。 本稿では,古典的入力と量子的入力の両方を必要とする計算タスクにおいて,量子力学を利用する量子貯水池プロセッサを提案する。
• 参考スコア（独自算出の注目度）: 1.1602089225841632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current technologies in quantum-based communications bring a new integration of quantum data with classical data for hybrid processing. However, the frameworks of these technologies are restricted to a single classical or quantum task, which limits their flexibility in near-term applications. We propose a quantum reservoir processor to harness quantum dynamics in computational tasks requiring both classical and quantum inputs. This analog processor comprises a network of quantum dots in which quantum data is incident to the network and classical data is encoded via a coherent field exciting the network. We perform a multitasking application of quantum tomography and nonlinear equalization of classical channels. Interestingly, the tomography can be performed in a closed-loop manner via the feedback control of classical data. Therefore, if the classical input comes from a dynamical system, embedding this system in a closed loop enables hybrid processing even if access to the external classical input is interrupted. Finally, we demonstrate preparing quantum depolarizing channels as a novel quantum machine learning technique for quantum data processing.
• Abstract（参考訳）: 量子ベースの通信における現在の技術は、ハイブリッド処理のための量子データと古典データとの新たな統合をもたらす。 しかしながら、これらの技術のフレームワークは単一の古典的または量子的なタスクに限定されており、短期的なアプリケーションにおける柔軟性を制限している。 古典的および量子的な入力を必要とする計算タスクにおいて量子力学を利用する量子貯水池プロセッサを提案する。 本発明のアナログプロセッサは、ネットワークに量子データが入射し、古典的なデータがネットワークを刺激するコヒーレントフィールドを介して符号化される量子ドットのネットワークを含む。 量子トモグラフィーと古典チャネルの非線形等化のマルチタスク応用を行う。 興味深いことに、トモグラフィーは古典データのフィードバック制御によってクローズドループ方式で行うことができる。 したがって、古典入力が力学系から来る場合、このシステムを閉ループに埋め込むことで、外部古典入力へのアクセスを中断してもハイブリッド処理が可能である。 最後に,量子データ処理のための新しい量子機械学習手法として,量子非分極チャネルの作成を示す。

関連論文リスト

• 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)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Parameterized Quantum Circuits with Quantum Kernels for Machine Learning: A Hybrid Quantum-Classical Approach [0.8722210937404288]
  Kernel ized Quantum Circuits (PQCs) は一般に量子機械学習(QML)へのハイブリッドアプローチで使用される。 我々は、PQCと量子カーネルの重要な側面として、PQC、量子カーネル、量子アドバンテージを持つ量子カーネル、量子カーネルのトレーニング可能性について論じる。
  論文  参考訳（メタデータ） (2022-09-28T22:14:41Z)
• Scalable Quantum Neural Networks for Classification [11.839990651381617]
  本稿では,複数の小型量子デバイスの量子資源を協調的に利用することにより,スケーラブルな量子ニューラルネットワーク(SQNN)を実現する手法を提案する。 SQNNシステムでは、いくつかの量子デバイスが量子特徴抽出器として使われ、入力インスタンスから並列に局所的な特徴を抽出し、量子デバイスは量子予測器として機能する。
  論文  参考訳（メタデータ） (2022-08-04T20:35:03Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• 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)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)
• 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。