論文の概要: A practical overview of image classification with variational
tensor-network quantum circuits
- arxiv url: http://arxiv.org/abs/2209.11058v1
- Date: Thu, 22 Sep 2022 14:52:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 17:57:20.362426
- Title: A practical overview of image classification with variational
tensor-network quantum circuits
- Title(参考訳): 変分テンソルネットワーク量子回路を用いた画像分類の実際
- Authors: Diego Guala, Shaoming Zhang, Esther Cruz, Carlos A. Riofr\'io,
Johannes Klepsch, and Juan Miguel Arrazola
- Abstract要約: 本稿では,テンソルネットワーク量子回路とそのシミュレーションにおける実装方法について概説する。
量子コンピュータの微分プログラミングのためのオープンソースのピソンライブラリであるPennyLaneを用いて、様々な量子回路をシミュレートすることで、計算要求と応用の可能性を説明する。
最後に,これらの回路を複雑な画像処理タスクに適用する方法を示す。
- 参考スコア(独自算出の注目度): 0.5079840826943619
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Circuit design for quantum machine learning remains a formidable challenge.
Inspired by the applications of tensor networks across different fields and
their novel presence in the classical machine learning context, one proposed
method to design variational circuits is to base the circuit architecture on
tensor networks. Here, we comprehensively describe tensor-network quantum
circuits and how to implement them in simulations. This includes leveraging
circuit cutting, a technique used to evaluate circuits with more qubits than
those available on current quantum devices. We then illustrate the
computational requirements and possible applications by simulating various
tensor-network quantum circuits with PennyLane, an open-source python library
for differential programming of quantum computers. Finally, we demonstrate how
to apply these circuits to increasingly complex image processing tasks,
completing this overview of a flexible method to design circuits that can be
applied to industrially-relevant machine learning tasks.
- Abstract(参考訳): 量子機械学習のための回路設計は、まだまだ難しい課題だ。
異なる分野にわたるテンソルネットワークの適用と、古典的な機械学習の文脈における新しい存在に触発されて、変分回路を設計するための1つの方法は、テンソルネットワークを基盤とする回路アーキテクチャである。
本稿では,テンソルネットワーク量子回路とシミュレーションにおける実装方法について概説する。
これは、現在の量子デバイスで利用可能な回路よりも量子ビットの回路を評価するために使用される技術である。
次に,量子コンピュータの微分プログラミングのためのオープンソースのpythonライブラリであるpennylaneを用いて,様々なテンソルネットワーク量子回路をシミュレートすることにより,計算要件と応用の可能性を説明する。
最後に、これらの回路をますます複雑な画像処理タスクに適用する方法を示し、産業関連機械学習タスクに適用可能な回路設計のためのフレキシブルな手法の概要を述べる。
関連論文リスト
- Challenges and opportunities in the supervised learning of quantum
circuit outputs [0.0]
ディープニューラルネットワークは、関連するランダム量子回路の出力特性を予測できることが証明されている。
変動量子アルゴリズムでよく使用される回路の出力期待値を予測するために,ニューラルネットワークがどの程度の精度で学習できるかを検討する。
論文 参考訳(メタデータ) (2024-02-07T16:10:13Z) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum
Circuit Simulation [65.93830818469833]
テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。
これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。
量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
論文 参考訳(メタデータ) (2023-02-13T19:00:00Z) - The Basis of Design Tools for Quantum Computing: Arrays, Decision
Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。
完全に自動化された量子ソフトウェアスタックを開発する必要がある。
この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文 参考訳(メタデータ) (2023-01-10T19:00:00Z) - A learning theory for quantum photonic processors and beyond [0.0]
連続可変量子回路によって生成される量子状態、測定、チャネルを学習するタスクについて考察する。
このようなクラスに対して,擬似次元境界の計算や被覆数による効率的な学習可能性保証を確立する。
その結果, CV回路は, 有限次元回路と異なり, 回路深度でスケールしない, 多数のトレーニングサンプルを用いて効率的にトレーニングできることがわかった。
論文 参考訳(メタデータ) (2022-09-07T11:28:17Z) - Exploring ab initio machine synthesis of quantum circuits [0.0]
ゲートレベルの量子回路は、しばしば高レベルアルゴリズムから手動で導かれる。
本稿では,機械内における回路の初期生成手法について検討する。
論文 参考訳(メタデータ) (2022-06-22T17:48:29Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳(メタデータ) (2022-04-12T19:39:31Z) - Handling Non-Unitaries in Quantum Circuit Equivalence Checking [4.265279817927261]
量子コンピュータは、古典計算と量子計算の相互作用がリアルタイムで起こりうるレベルに達している。
これは、新しいより広範な量子回路、すなわち動的量子回路の出現を意味している。
シミュレーション、コンパイル、検証といった設計タスクに新たな課題をもたらす、幅広い利用可能なコンピューティングプリミティブを提供する。
論文 参考訳(メタデータ) (2021-06-02T12:04:56Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳(メタデータ) (2021-04-21T13:26:42Z) - Diagrammatic Differentiation for Quantum Machine Learning [0.19336815376402716]
位相パラメータに関して線形写像の勾配を図式的に計算する方法を示す。
パラメトリス量子回路の図では、よく知られたパラメータシフト規則が得られる。
次に,本手法をハイブリッド古典量子回路の自動微分に拡張する。
論文 参考訳(メタデータ) (2021-03-14T16:04:56Z)
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。