論文の概要: Quantum reservoir neural network implementation on coherently coupled quantum oscillators

• arxiv url: http://arxiv.org/abs/2209.03221v3
• Date: Tue, 2 May 2023 14:40:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 17:54:57.221124
• Title: Quantum reservoir neural network implementation on coherently coupled quantum oscillators
• Title（参考訳）: コヒーレント結合量子発振器における量子貯水池ニューラルネットワークの実装
• Authors: Julien Dudas, Baptiste Carles, Erwan Plouet, Alice Mizrahi, Julie Grollier, and Danijela Markovi\'c
• Abstract要約: 本稿では,多数の高密度結合ニューロンを得る量子貯水池の実装を提案する。 超伝導回路に基づく特定のハードウェア実装を解析する。 ベンチマークタスクでは99 %の最先端の精度が得られる。
• 参考スコア（独自算出の注目度）: 1.7086737326992172
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum reservoir computing is a promising approach for quantum neural networks, capable of solving hard learning tasks on both classical and quantum input data. However, current approaches with qubits suffer from limited connectivity. We propose an implementation for quantum reservoir that obtains a large number of densely connected neurons by using parametrically coupled quantum oscillators instead of physically coupled qubits. We analyse a specific hardware implementation based on superconducting circuits: with just two coupled quantum oscillators, we create a quantum reservoir comprising up to 81 neurons. We obtain state-of-the-art accuracy of 99 % on benchmark tasks that otherwise require at least 24 classical oscillators to be solved. Our results give the coupling and dissipation requirements in the system and show how they affect the performance of the quantum reservoir. Beyond quantum reservoir computing, the use of parametrically coupled bosonic modes holds promise for realizing large quantum neural network architectures, with billions of neurons implemented with only 10 coupled quantum oscillators.
• Abstract（参考訳）: 量子貯水池コンピューティングは量子ニューラルネットワークにとって有望なアプローチであり、古典的および量子的入力データの両方のハードラーニングタスクを解くことができる。 しかし、現在のqubitsのアプローチは接続性に制限がある。 物理結合量子ビットの代わりにパラメトリック結合量子発振器を用いて、多数の密結合ニューロンを得る量子貯水池の実装を提案する。 超伝導回路に基づく特定のハードウェア実装を解析し、2つの結合量子発振器で最大81個のニューロンからなる量子貯留体を作成する。 我々は,24個の古典振動子の解法を必要とするベンチマークタスクにおいて,99パーセントの最先端精度を得る。 その結果,システム内の結合と散逸の要件が得られ,量子貯留層の性能にどのように影響するかを示す。 量子リザーバコンピューティング以外にも、パラメトリック結合ボソニックモードの使用は、数十億のニューロンが10個の結合量子振動子で実装され、大きな量子ニューラルネットワークアーキテクチャを実現する可能性を秘めている。

関連論文リスト

• Distributed Quantum Computation via Entanglement Forging and Teleportation [13.135604356093193]
  分散量子計算は、限られたサイズの量子プロセッサ上での大規模量子計算の実用的な方法である。 本稿では,量子相関のない2つの量子プロセッサ上で非局所量子回路を実装する手法を実証する。
  論文  参考訳（メタデータ） (2024-09-04T08:10:40Z)
• 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)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• 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)
• Oblivious Quantum Computation and Delegated Multiparty Quantum Computation [61.12008553173672]
  本稿では、入力量子ビットの秘密性と量子ゲートを識別するプログラムを必要とする新しい計算量子計算法を提案する。 本稿では,この課題に対する2サーバプロトコルを提案する。 また,従来の通信のみを用いて,複数のユーザがサーバにマルチパーティ量子計算を依頼する多パーティ量子計算についても論じる。
  論文  参考訳（メタデータ） (2022-11-02T09:01:33Z)
• 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)
• An Amplitude-Based Implementation of the Unit Step Function on a Quantum Computer [0.0]
  量子コンピュータ上での単位ステップ関数の形で非線形性を近似するための振幅に基づく実装を提案する。 より先進的な量子アルゴリズムに埋め込まれた場合、古典的コンピュータから直接入力を受ける2つの異なる回路タイプを量子状態として記述する。
  論文  参考訳（メタデータ） (2022-06-07T07:14:12Z)
• 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)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Realising and compressing quantum circuits with quantum reservoir computing [2.834895018689047]
  量子ノードのランダムネットワークが量子コンピューティングの堅牢なハードウェアとしてどのように使用できるかを示す。 我々のネットワークアーキテクチャは、量子ノードの単一層のみを最適化することで量子演算を誘導する。 数量子状態においては、量子回路内の複数の量子ゲートのシーケンスは単一の演算で圧縮することができる。
  論文  参考訳（メタデータ） (2020-03-21T03:29:16Z)

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。