論文の概要: Deep quantum neural networks equipped with backpropagation on a superconducting processor

• arxiv url: http://arxiv.org/abs/2212.02521v1
• Date: Mon, 5 Dec 2022 19:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-09 19:53:31.321432
• Title: Deep quantum neural networks equipped with backpropagation on a superconducting processor
• Title（参考訳）: 超伝導プロセッサのバックプロパゲーションを備えたディープ量子ニューラルネットワーク
• Authors: Xiaoxuan Pan, Zhide Lu, Weiting Wang, Ziyue Hua, Yifang Xu, Weikang Li, Weizhou Cai, Xuegang Li, Haiyan Wang, Yi-Pu Song, Chang-Ling Zou, Dong-Ling Deng, Luyan Sun
• Abstract要約: 6ビットプログラマブル超伝導プロセッサを用いたバックプロパゲーションアルゴリズムを用いて深部量子ニューラルネットワークのトレーニング実験を行った。 特に、3層ディープ量子ニューラルネットワークを効率よく訓練し、2量子量子チャネルを96.2%の平均忠実度で学習できることが示されている。 6層ディープ量子ニューラルネットワークは、同じ方法でトレーニングすることができ、単一の量子チャネルを学習するための平均忠実度を94.8%まで達成することができる。
• 参考スコア（独自算出の注目度）: 7.011044869810729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning and quantum computing have achieved dramatic progresses in recent years. The interplay between these two fast-growing fields gives rise to a new research frontier of quantum machine learning. In this work, we report the first experimental demonstration of training deep quantum neural networks via the backpropagation algorithm with a six-qubit programmable superconducting processor. In particular, we show that three-layer deep quantum neural networks can be trained efficiently to learn two-qubit quantum channels with a mean fidelity up to 96.0% and the ground state energy of molecular hydrogen with an accuracy up to 93.3% compared to the theoretical value. In addition, six-layer deep quantum neural networks can be trained in a similar fashion to achieve a mean fidelity up to 94.8% for learning single-qubit quantum channels. Our experimental results explicitly showcase the advantages of deep quantum neural networks, including quantum analogue of the backpropagation algorithm and less stringent coherence-time requirement for their constituting physical qubits, thus providing a valuable guide for quantum machine learning applications with both near-term and future quantum devices.
• Abstract（参考訳）: ディープラーニングと量子コンピューティングは近年、劇的な進歩を遂げている。 これら2つの急成長分野の相互作用は、量子機械学習の新しい研究フロンティアを生み出している。 本研究では,6ビットプログラマブル超伝導プロセッサを用いたバックプロパゲーションアルゴリズムを用いて,深部量子ニューラルネットワークのトレーニング実験を行った。 特に、3層深層量子ニューラルネットワークは、平均忠実度96.0%の2量子ビット量子チャネルと、理論値と比較して93.3%の精度で分子水素の基底状態エネルギーを効率的に学習できることを示した。 さらに、6層のディープ量子ニューラルネットワークを同様の方法でトレーニングすることで、単一量子チャネルを学習するための平均忠実度を94.8%まで達成することができる。 我々の実験結果は、バックプロパゲーションアルゴリズムの量子アナログや、物理量子ビットを構成するための厳密なコヒーレンス時間要件など、ディープ量子ニューラルネットワークの利点を明確に示しており、近い将来の量子デバイスと将来の量子デバイスの両方で量子機械学習アプリケーションに有用なガイドを提供する。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Quantum Convolutional Neural Networks for Multi-Channel Supervised Learning [0.0]
  本稿では,畳み込みカーネルとして使用するハードウェア適応型量子回路について述べる。 提案する量子ニューラルネットワークは,マルチチャネルデータを含む分類タスクにおいて,既存のQCNNよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-30T11:48:12Z)
• Quantum neural networks force fields generation [0.0]
  量子ニューラルネットワークアーキテクチャを設計し、複雑性が増大するさまざまな分子に適用することに成功しています。 量子モデルは古典的なモデルに対してより大きな有効次元を示し、競争性能に達することができる。
  論文  参考訳（メタデータ） (2022-03-09T12:10:09Z)
• Exploring super-additivity of coherent information of noisy quantum channels through Genetic algorithms [0.0]
  パウリ流路の繰り返し符号より優れた非自明な量子符号が見つかる。 パウリのいくつかのチャンネルでは、これらの符号は非常に高い0.01の超付加性を示す。
  論文  参考訳（メタデータ） (2022-01-11T14:09:11Z)
• Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
  本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。 トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。 問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
  論文  参考訳（メタデータ） (2021-07-05T03:20:54Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• 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)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。