論文の概要: Optimization of the Memory Reset Rate of a Quantum Echo-State Network for Time Sequential Tasks

• arxiv url: http://arxiv.org/abs/2210.01052v1
• Date: Mon, 3 Oct 2022 16:08:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 00:36:21.150989
• Title: Optimization of the Memory Reset Rate of a Quantum Echo-State Network for Time Sequential Tasks
• Title（参考訳）: 時系列タスクのための量子エコー状態ネットワークのメモリリセット率の最適化
• Authors: Riccardo Molteni, Claudio Destri, Enrico Prati
• Abstract要約: 量子貯水池コンピューティングは、量子ビットのレジスタに基づくエコー状態ネットワークの貯水池を含む量子機械学習アルゴリズムのクラスである。 ネットワークのメモリと量子貯水池の進化のリセット率の関係について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum reservoir computing is a class of quantum machine learning algorithms involving a reservoir of an echo state network based on a register of qubits, but the dependence of its memory capacity on the hyperparameters is still rather unclear. In order to maximize its accuracy in time--series predictive tasks, we investigate the relation between the memory of the network and the reset rate of the evolution of the quantum reservoir. We benchmark the network performance by three non--linear maps with fading memory on IBM quantum hardware. The memory capacity of the quantum reservoir is maximized for central values of the memory reset rate in the interval [0,1]. As expected, the memory capacity increases approximately linearly with the number of qubits. After optimization of the memory reset rate, the mean squared errors of the predicted outputs in the tasks may decrease by a factor ~1/5 with respect to previous implementations.
• Abstract（参考訳）: 量子貯水池コンピューティングは、量子ビットのレジスタに基づくエコー状態ネットワークの貯水池を含む量子機械学習アルゴリズムのクラスであるが、そのメモリ容量のハイパーパラメータへの依存はいまだに不明である。 時系列予測タスクにおけるその精度を最大化するために,ネットワークのメモリと量子貯水池の進化のリセット率の関係を調べる。我々は,ibm量子ハードウェア上でフェージングメモリを持つ3つの非線形マップを用いてネットワーク性能をベンチマークする。 間隔[0,1]におけるメモリリセットレートの中央値に対して量子貯留体のメモリ容量を最大化する。 期待通り、メモリ容量はキュービット数とともにほぼ直線的に増加する。 メモリリセットレートの最適化後、タスク内の予測出力の平均二乗誤差は、以前の実装と比較して約1/5減少する可能性がある。

関連論文リスト

• Solving the time-complexity problem and tuning the performance of quantum reservoir computing by artificial memory restriction [0.0]
  時間的タスクを解くための量子貯水池計算の適合性は、測定が行われると量子システムの崩壊によって妨げられる。 少数の入力のみを用いて量子貯水池のメモリを人工的に制限することを提案する。 線形および二次的なアルゴリズムを,完全連結な逆イジングモデルと量子プロセッサモデルに対して数値的に検討する。
  論文  参考訳（メタデータ） (2023-06-22T13:37:34Z)
• Entanglement Distribution in Quantum Repeater with Purification and Optimized Buffer Time [53.56179714852967]
  バッファ時間に最適化された量子リピータを用いた絡み合い分布について検討する。 終端ノードにおけるメモリ数の増加は、メモリ当たりの絡み合いの分布率を高めることを観察する。 しかし、不完全な操作を考慮すると、メモリ単位の絡み合いが記憶数の増加とともに減少するという驚くべき観察がなされる。
  論文  参考訳（メタデータ） (2023-05-23T23:23:34Z)
• Quantized Neural Networks for Low-Precision Accumulation with Guaranteed Overflow Avoidance [68.8204255655161]
  本稿では,推定時のアキュムレータの精度を下げる際に,数値オーバーフローを回避する量子化学習アルゴリズムを提案する。 本手法は,浮動小数点点ベースラインに対するモデル精度を維持しつつ,アキュムレータの精度を低減できることを示す。
  論文  参考訳（メタデータ） (2023-01-31T02:46:57Z)
• Efficient algorithms for quantum information bottleneck [64.67104066707309]
  本稿では,情報ボトルネックの量子一般化のための新しい一般アルゴリズムを提案する。 本アルゴリズムは, 先行結果と比較して, 収束の速度と定性に優れる。 特に、量子システムは、量子情報のボトルネックに関して、同じ大きさの古典的なシステムよりも厳格に優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T14:20:05Z)
• Time Series Quantum Reservoir Computing with Weak and Projective Measurements [0.0]
  貯水池の量子性を利用して理想的な性能が得られることを示す。 1つは、貯水池のフェーディングメモリによって決定されるダイナミクスの巻き戻し部分と、入力シーケンスの対応するデータを記憶する。 他方は、必要なメモリを邪魔することなく、正確に情報を抽出できるトレードオフでオンラインに動作する弱い測定方法を採用している。
  論文  参考訳（メタデータ） (2022-05-13T17:57:39Z)
• Generalized Key-Value Memory to Flexibly Adjust Redundancy in Memory-Augmented Networks [6.03025980398201]
  メモリ拡張ニューラルネットワークは、外部キー値メモリを備えたニューラルネットワークを強化する。 本稿では,サポートベクトルの数からその次元を分離する一般化キー値メモリを提案する。 このパラメータを需要に適応させることは、デバイス数と精度で、44%の非理想性を効果的に軽減できることを示す。
  論文  参考訳（メタデータ） (2022-03-11T19:59:43Z)
• Mesa: A Memory-saving Training Framework for Transformers [58.78933015299703]
  本稿では,トランスフォーマーのためのメモリ節約トレーニングフレームワークであるMesaを紹介する。 Mesaは、フォワードパス中に正確なアクティベーションを使用し、低精度のアクティベーションを格納することで、トレーニング中のメモリ消費を減らす。 ImageNet、CIFAR-100、ADE20Kの実験は、Mesaがトレーニング中にメモリフットプリントの半分を削減できることを示した。
  論文  参考訳（メタデータ） (2021-11-22T11:23:01Z)
• Memformer: A Memory-Augmented Transformer for Sequence Modeling [55.780849185884996]
  本稿では、シーケンスモデリングのための効率的なニューラルネットワークであるMemformerを紹介する。 我々のモデルは長いシーケンスを処理する際に線形時間複雑性と一定メモリ空間複雑性を実現する。
  論文  参考訳（メタデータ） (2020-10-14T09:03:36Z)
• Leveraging Automated Mixed-Low-Precision Quantization for tiny edge microcontrollers [76.30674794049293]
  本稿では、HAQフレームワークに基づく自動混合精度量子化フローを提案するが、MCUデバイスのメモリおよび計算特性に特化している。 具体的には、強化学習エージェントは、個々の重みとアクティベーションテンソルの2, 4, 8ビットのうち、最高の均一量子化レベルを探索する。 重量のみの量子化のために2MBに制限されたMCUクラスのメモリが与えられた場合、混合精度エンジンによって生成された圧縮されたモデルは、最先端のソリューションと同じくらい正確である。
  論文  参考訳（メタデータ） (2020-08-12T06:09:58Z)
• Improving Memory Utilization in Convolutional Neural Network Accelerators [16.340620299847384]
  本稿では,アクティベーション層を重複させ,メモリをより効率的に利用するためのマッピング手法を提案する。 様々な実世界のオブジェクト検出器ネットワークによる実験により、提案されたマッピング技術により、メモリのアクティベーションを最大32.9%削減できることが示された。 より高解像度のノイズ除去ネットワークでは、活性化メモリの48.8%の節約を実現している。
  論文  参考訳（メタデータ） (2020-07-20T09:34:36Z)
• Characterizing the memory capacity of transmon qubit reservoirs [1.5357150519712388]
  Quantum Reservoir Computingは、機械学習のための量子アンサンブルシステムのダイナミクスを利用する。 そこで本研究では,IBMが提供するトランスモンデバイスを用いて構築した量子貯水池のメモリ容量を特徴付けるタスクに着目した。
  論文  参考訳（メタデータ） (2020-04-15T21:21:36Z)

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。