論文の概要: Learning Fourier series with parametrized quantum circuits

• arxiv url: http://arxiv.org/abs/2209.10345v3
• Date: Wed, 21 May 2025 07:32:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:56.403108
• Title: Learning Fourier series with parametrized quantum circuits
• Title（参考訳）: パラメトリック量子回路を用いたフーリエ級数学習
• Authors: Dirk Heimann, Hans Hohenfeld, Gunnar Schönhoff, Elie Mounzer, Frank Kirchner,
• Abstract要約: 変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。 本稿では,PQC においてよく使われているアンス・アゼが,異なる一次元のトランケートされたフーリエ級数を学ぶかを比較することによって,Schuld らの研究に基づいて構築する。 また、Beerらが導入した散逸性量子ニューラルネットワーク(dQNN)についても検討し、その能力を高めるために、dQNNのデータ再ロード構造を提案する。
• 参考スコア（独自算出の注目度）: 2.51657752676152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms (VQAs) and their applications in the field of quantum machine learning through parametrized quantum circuits (PQCs) are thought to be one major way of leveraging noisy intermediate-scale quantum computing devices. However, differences in the performance of certain VQA architectures are often unclear since established best practices, as well as detailed studies, are missing. In this paper, we build upon the work by Schuld et al. [Phys. Rev. A 103, 032430 (2021)] and Vidal et al. [Front. Phys. 8, 297 (2020)] by comparing how well popular ans\"atze for PQCs learn different one-dimensional truncated Fourier series. We also examine dissipative quantum neural networks (dQNN) as introduced by Beer et al. [Nat. Commun. 11, 808 (2020)] and propose a data reupload structure for dQNNs to increase their capability for this regression task. By comparing the results for different PQC architectures, we can provide guidelines for designing efficient PQCs.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。 しかしながら、確立されたベストプラクティスや詳細な研究が欠落しているため、特定のVQAアーキテクチャのパフォーマンスの違いは、しばしば不明である。 この論文は、Schuld et al [Phys. Rev. A 103, 032430 (2021)] と Vidal et al [Front. Phys. 8, 297 (2020)] の業績に基づいて、PQC において最も人気のある ans\"atze が、異なる一次元のトランケートフーリエ級数を学ぶことを比較する。 また,Beerらが導入した散逸型量子ニューラルネットワーク(dQNN)についても検討し,この回帰処理の能力を高めるために,dQNNのデータ再ロード構造を提案する。 異なるPQCアーキテクチャの結果を比較することで、効率的なPQCを設計するためのガイドラインを提供することができる。

関連論文リスト

• Training Hybrid Deep Quantum Neural Network for Reinforcement Learning Efficiently [2.7812018782449073]
  量子機械学習(QML)は、最近、新しい学際研究の方向性として登場した。 ノイズの多い中間スケール量子コンピュータと互換性のあるハイブリッドQMLモデルに関する最近の研究は、性能の向上を示唆している。 課題を克服し、PQCブロックによる効率的なバッチ最適化を示すスケーラブルなQMLアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-03-12T07:12:02Z)
• Potential and limitations of random Fourier features for dequantizing quantum machine learning [0.5277756703318045]
  量子機械学習は、おそらく、短期量子デバイスの最もよく研究された応用の1つである。 パラメータ化量子回路(PQC)を学習モデルとして使用する変分量子機械学習の概念に多くの焦点が当てられている。 そこで本研究では,RFFがレグレッションのための変分量子機械学習の効率的な復号化を実現する上で必要かつ十分な条件を確立する。
  論文  参考訳（メタデータ） (2023-09-20T21:23:52Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Evolutionary Quantum Architecture Search for Parametrized Quantum Circuits [7.298440208725654]
  本稿では,PQCモデルのための進化的量子アーキテクチャ探索フレームワークであるEQAS-PQCを紹介する。 提案手法は,ハイブリッド量子古典モデルの性能を著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-08-23T19:47:37Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Quantum Architecture Search with Meta-learning [0.18899300124593643]
  変分量子アルゴリズム(VQA)は、量子近似最適化アルゴリズム、変分量子コンパイル、および量子機械学習モデルに成功している。 量子アーキテクチャサーチ(QAS)は、古典的な最適化アルゴリズムによる量子回路の設計を自動化することを目的としている。
  論文  参考訳（メタデータ） (2021-06-11T08:59:16Z)
• 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)
• Quantum agents in the Gym: a variational quantum algorithm for deep Q-learning [0.0]
  本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。 量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
  論文  参考訳（メタデータ） (2021-03-28T08:57:22Z)
• Neural Predictor based Quantum Architecture Search [15.045985536395479]
  変分量子アルゴリズム(VQA)は、短期的には量子古典的ハイブリッド計算パラダイムの下で現実的な問題に対して量子的優位性をもたらすと広く推測されている。 本研究では,量子アーキテクチャ探索(QAS)の評価ポリシーとしてニューラルネットワークに基づく予測器を提案する。
  論文  参考訳（メタデータ） (2021-03-11T08:26:12Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。