論文の概要: Simplified Quantum Process Characterization by Specialised Neural Networks

• arxiv url: http://arxiv.org/abs/2211.11655v1
• Date: Mon, 21 Nov 2022 17:15:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 23:15:48.881238
• Title: Simplified Quantum Process Characterization by Specialised Neural Networks
• Title（参考訳）: 特化ニューラルネットワークによる簡易量子プロセス評価
• Authors: Massimiliano Guarneri, Ilaria Gianani, Marco Barbieri and Andrea Chiuri
• Abstract要約: 2段階ニューラルネットワークの正確な設計は、未知の寄生効果も考慮できることを示す。 シミュレーションデータのみを用いてネットワークをトレーニングすることにより,安定かつ信頼性の高い特徴付けが達成可能であることを示す。
• 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: Characterization of quantum objects based on previous knowledge is a valuable approach, especially as it leads to routine procedures for real-life components. To this end, Machine Learning algorithms have demonstrated to successfully operate in presence of noise. However, there might be instances in which unknown parasitic effects occur in tandem with the sought one we aim at characterizing. Here we show that the accurate design of a two-stage neural network can account for these class of disturbances as well, applying our technique to the characterization of several quantum channels. We demonstrate that a stable and reliable characterization is achievable by training the network only with simulated data. The obtained results show the viability of this approach as an effective tool based on a completely new paradigm for the employment of NNs in the quantum domain.
• Abstract（参考訳）: 従来の知識に基づく量子オブジェクトのキャラクタリゼーションは、特に実際のコンポーネントのルーチン手順につながるため、貴重なアプローチである。 この目的のために、機械学習アルゴリズムはノイズの存在下でうまく動作することを示した。 しかし, 未知の寄生効果が, 我々が特徴づけを目論んでいるものと一致している例もある。 そこで本研究では,2段階ニューラルネットワークの正確な設計が,これらの乱れのクラスをも考慮し,複数の量子チャネルのキャラクタリゼーションに適用することを示す。 シミュレーションデータのみを用いてネットワークを訓練することにより,安定かつ信頼性の高いキャラクタリゼーションが実現可能であることを示す。 その結果、量子領域におけるnnsの雇用に対する全く新しいパラダイムに基づく効果的なツールとしての有効性が示された。

関連論文リスト

• Disentanglement process in dephasing channel with machine learning [0.0]
  本稿では,2ビットシステムにおける雑音の除去を考慮した機械学習手法を提案する。 状態の分類と絡み合いに適したANNアルゴリズムは、トモグラフィー特徴のサブセットのみを用いて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-28T20:18:04Z)
• Quantum-Trained Convolutional Neural Network for Deepfake Audio Detection [3.2927352068925444]
  ディープフェイク技術は プライバシー セキュリティ 情報整合性に 課題をもたらす 本稿では,ディープフェイク音声の検出を強化するために,量子学習型畳み込みニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-11T20:52:10Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
  本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。 機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。 本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
  論文  参考訳（メタデータ） (2022-10-24T15:14:26Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Variational learning for quantum artificial neural networks [0.0]
  まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。 次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。 メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
  論文  参考訳（メタデータ） (2021-03-03T16:10:15Z)
• Mixed State Entanglement Classification using Artificial Neural Networks [0.0]
  分離型ニューラルネットワーク量子状態は、絡み合い特性が明示的にプログラム可能である量子状態のパラメータ化に、ニューラルネットワークにインスパイアされた。 我々は、SNNSを混合多部状態に拡張し、複雑に絡み合った量子系を研究するための汎用的で効率的なツールを提供する。
  論文  参考訳（メタデータ） (2021-02-11T14:59:24Z)

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。