論文の概要: Google's 2019 "Quantum Supremacy'' Claims: Data, Documentation, and Discussion

• arxiv url: http://arxiv.org/abs/2210.12753v2
• Date: Tue, 27 Dec 2022 16:07:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 09:45:53.424254
• Title: Google's 2019 "Quantum Supremacy'' Claims: Data, Documentation, and Discussion
• Title（参考訳）: Googleの2019年の"Quantum Supremacy'の主張:データ、ドキュメント、議論
• Authors: Gil Kalai, Yosef Rinott, and Tomer Shoham
• Abstract要約: 『Nature』は、Googleで実施された実験的な研究を記した論文を発表した。 この論文は53量子ビットの量子コンピュータ上で量子(計算)超越性を実証している。 2019年9月以降、著者らはGoogleの実験の様々な統計的側面を研究する長期計画に関わってきた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In October 2019, "Nature" published a paper describing an experimental work that took place at Google. The paper claims to demonstrate quantum (computational) supremacy on a 53-qubit quantum computer. Since September 2019 the authors have been involved in a long-term project to study various statistical aspects of the Google experiment. In particular, we have been trying to gather the relevant data and information, to reconstruct and verify those parts of the Google 2019 supremacy experiments that are based on classical computations (unless they require too heavy computation), and to put the data under statistical analysis. We have now (August 2022) almost concluded the part relating to the gathering of data and information needed for our study of the 2019 Google experiment, and this document describes the available data and information for the Google 2019 experiment and some of our results and plans.
• Abstract（参考訳）: 2019年10月、"nature"はgoogleでの実験的な成果を説明した論文を発表した。 この論文は53量子ビットの量子コンピュータ上で量子(計算)超越性を実証している。 2019年9月以降、著者らはGoogleの実験の様々な統計的側面を研究する長期プロジェクトに従事している。 特に私たちは、関連するデータと情報を収集し、古典的計算に基づくgoogle 2019優越的実験のそれらの部分を再構築し、検証し、データを統計的分析下に置こうと試みています。 私たちは現在(2022年8月)、2019年のGoogleの実験に必要なデータと情報の収集に関してほぼ完了しており、この文書では、Google 2019の実験で利用可能なデータと情報と、その結果と計画について述べています。

関連論文リスト

• A Test of Time: Predicting the Sustainable Success of Online Collaboration in Wikipedia [17.051622145253855]
  我々は,ウィキペディア記事の持続可能な成功を予測するために,機械学習モデルを開発した。 記事が高品質であると認識されるのに時間がかかるほど、時間とともにそのステータスを維持する可能性が高くなる。 我々の分析はウィキペディア以外の幅広い集団的行動に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-24T20:42:53Z)
• Into the LAIONs Den: Investigating Hate in Multimodal Datasets [67.21783778038645]
  本稿では、LAION-400MとLAION-2Bの2つのデータセットの比較監査を通して、ヘイトフルコンテンツに対するデータセットのスケーリングの効果について検討する。 その結果、データセットのスケールによってヘイトコンテンツは12%近く増加し、質的にも定量的にも測定された。 また、画像のみに基づいて算出されたNot Safe For Work(NSFW)値に基づくデータセットの内容のフィルタリングは、アルトテキストにおける有害なコンテンツをすべて排除するものではないことがわかった。
  論文  参考訳（メタデータ） (2023-11-06T19:00:05Z)
• Publishing Wikipedia usage data with strong privacy guarantees [6.410779699541235]
  約20年間、ウィキメディア財団はウィキペディアの各ページを毎日何人訪問したかという統計を公表してきた。 2023年6月、ウィキメディア財団はこれらの統計データをより細かい粒度で公開し始めた。 本稿では、このデータ公開について、その目標、プロセスの展開開始とデータリリースの結果について述べる。
  論文  参考訳（メタデータ） (2023-08-30T19:58:56Z)
• Questions and Concerns About Google's Quantum Supremacy Claim [0.0]
  この文書では、Google 2019の実験に関する3つの主要な懸念について記述している。 最初の懸念は、データがGoogleのノイズモデルと一致しないことだ。 第2の懸念は、不確かさの事前推定のための決定的な単純な公式が、予期せぬ独立性の仮定を伴っているように見えることである。
  論文  参考訳（メタデータ） (2023-05-01T19:54:45Z)
• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• Synthcity: facilitating innovative use cases of synthetic data in different data modalities [86.52703093858631]
  Synthcityは、MLフェアネス、プライバシ、拡張における合成データの革新的なユースケースのための、オープンソースのソフトウェアパッケージである。 Synthcityは、実践者に対して、合成データにおける最先端の研究とツールへの単一のアクセスポイントを提供する。
  論文  参考訳（メタデータ） (2023-01-18T14:49:54Z)
• Can We Automate Scientific Reviewing? [89.50052670307434]
  我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。 我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。 総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
  論文  参考訳（メタデータ） (2021-01-30T07:16:53Z)
• Lecture notes on high-dimensional data [0.0]
  改訂版が教科書(Mathematical Introduction to Data Science, Springer, Berlin, Heidelberg, 2024, https://link.springer.com/book007/978-3-662-69426-8)の一部として出版された。
  論文  参考訳（メタデータ） (2021-01-14T19:31:44Z)
• How Many Pages? Paper Length Prediction from the Metadata [0.0]
  本研究は,紙長予測タスクを回帰問題として定義し,一般的な機械学習モデルを用いて実験結果を報告する。 また、出版メタデータと各ページの長さの巨大なデータセットを作成します。
  論文  参考訳（メタデータ） (2020-10-29T20:28:24Z)
• Shape of synth to come: Why we should use synthetic data for English surface realization [72.62356061765976]
  2018年の共有タスクでは、追加で合成されたデータを使用してトレーニングされたシステムの絶対的なパフォーマンスにはほとんど差がなかった。 我々は、2018年の英語データセットの実験において、合成データの使用はかなりの効果があることを示した。 我々は、こうしたデータを活用するシステムについて、今後の研究努力が引き続き探求されるよう、禁止されるのではなく、その使用を奨励すべきであると主張している。
  論文  参考訳（メタデータ） (2020-05-06T10:00:55Z)
• Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
  我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。 これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
  論文  参考訳（メタデータ） (2020-04-23T17:35:11Z)

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。