論文の概要: Training quantum neural networks using the Quantum Information Bottleneck method

• arxiv url: http://arxiv.org/abs/2212.02600v1
• Date: Mon, 5 Dec 2022 21:11:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-09 19:53:13.434919
• Title: Training quantum neural networks using the Quantum Information Bottleneck method
• Title（参考訳）: 量子情報ボトルネック法による量子ニューラルネットワークの訓練
• Authors: Ahmet Burak Catli, Nathan Wiebe
• Abstract要約: インフォメーション・ボトルネック(Information Bottleneck)は、ニューラルネットワークにおける情報の流れを研究するために使用される古典的な情報理論の概念である。 この研究は、量子領域の情報を計算するだけでなく、局所的に最適なチャネルを訓練するアルゴリズムを考案する方法も示している。
• 参考スコア（独自算出の注目度）: 0.266512000865131
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information Bottleneck is a concept in classical information theory derived by Tishby et al. that has been used to study information flow in neural networks. This approach frames an information processing problem as an inference problem and tries to quantify how much of the "relevant" information is retained by the process, relevance here being measured with mutual information between the input/output and some fixed ground truth. We provide a rigorous algorithm for computing the value of the quantum information bottleneck quantity within error $\epsilon$ that requires $O(\log^2(1/\epsilon) + 1/\delta^2)$ queries to a purification of the density operator if its spectrum is supported on $\{0\}~\bigcup ~[\delta,1-1/\delta]$ for $\delta>0$ and the kernels of the relevant density matrices are disjoint. We further provide algorithms for estimating the derivatives of the QIB function, showing that quantum neural networks can be trained efficiently using the QIB quantity given that the number of gradient steps required is polynomial. This work therefore shows a way to not only compute information bottlenecks in the quantum realm, but also that algorithms can be devised that train a locally optimal channel that preserves the most amount of relevant information as it passes through a quantum neural network.
• Abstract（参考訳）: 情報ボトルネック(インフォメーション・ボトルネック)は、tishbyらによって導かれた古典的な情報理論の概念であり、ニューラルネットワークにおける情報の流れの研究に使われている。 このアプローチは、情報処理問題を推論問題として構成し、そのプロセスによってどれだけの「関連」情報が保持されているかを定量化しようとするものである。 O(\log^2(1/\epsilon) + 1/\delta^2)$が$\{0\}~\bigcup ~[\delta,1-1/\delta]$に対して$\delta>0$でサポートされ、関連する密度行列のカーネルが不整合である場合、密度演算子の浄化に$O(\log^2(1/\epsilon) + 1/\delta^2)$が必要とされる。 さらに, qib関数の導関数を推定するアルゴリズムを提供し, 必要な勾配ステップ数が多項式であることから, 量子ニューラルネットワークをqib量を用いて効率的に学習できることを示す。 したがって、この研究は、量子領域における情報のボトルネックを計算するだけでなく、量子ニューラルネットワークを通過する際に最も多くの関連する情報を保存する局所的最適チャネルを訓練するアルゴリズムを考案することができることを示す。

関連論文リスト

• Quantum Resources for Pure Thermal Shadows [0.0]
  Gibbs状態の特性の計算は、量子化学と量子機械学習において重要なタスクである。 従来の研究は、Gibs状態予測値を$logM$測定のみから$M$observablesで予測する量子アルゴリズムを提案している。 本研究では,本アルゴリズムで使用される回路の資源分析を行い,量子信号処理がシステムサイズの増加に伴ってゲート数や深さに最も寄与することが確認された。
  論文  参考訳（メタデータ） (2024-09-09T16:40:21Z)
• SWAP-less Implementation of Quantum Algorithms [0.0]
  本稿では,接続性に制限のあるデバイスにアルゴリズムを実装するために,パリティ量子情報のフローを追跡するフォーマリズムを提案する。 我々は、エンタングゲートが量子状態を操作するだけでなく、量子情報の伝達にも活用できるという事実を活用している。
  論文  参考訳（メタデータ） (2024-08-20T14:51:00Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Quantum circuit for multi-qubit Toffoli gate with optimal resource [6.727984016678534]
  我々は、$O(log n)$-depthと$O(n)$-sizeしか持たない、$n$-Toffoliゲートと一般的なマルチコントロールユニタリのための新しい量子回路を設計する。 我々は、補助量子ビットを使わずに、マルチキュービットトフォリゲートの量子回路の実装には指数的精度のゲートを使わなければならないことを示した。
  論文  参考訳（メタデータ） (2024-02-07T17:53:21Z)
• Training Multi-layer Neural Networks on Ising Machine [41.95720316032297]
  本稿では,量子化ニューラルネットワーク(QNN)を学習するためのIsing学習アルゴリズムを提案する。 私たちが知る限りでは、Isingマシン上で多層フィードフォワードネットワークをトレーニングする最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2023-11-06T04:09:15Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• Estimating Gibbs partition function with quantumClifford sampling [6.656454497798153]
  分割関数を推定するハイブリッド量子古典アルゴリズムを開発した。 我々のアルゴリズムは浅い$mathcalO(1)$-depth量子回路を必要とする。 浅層量子回路は、現在利用可能なNISQ(ノイズ中間スケール量子)デバイスにとって極めて重要であると考えられている。
  論文  参考訳（メタデータ） (2021-09-22T02:03:35Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• 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)
• A Co-Design Framework of Neural Networks and Quantum Circuits Towards Quantum Advantage [37.837850621536475]
  本稿では、そのような欠落したリンクを提供するために、共同設計フレームワークであるQuantumFlowを紹介します。 QuantumFlowは、新しい量子フレンドリなニューラルネットワーク(QF-Nets)、QF-Netのための量子回路(QF-Circ)を生成するマッピングツール(QF-Maps)、実行エンジン(QF-FB)で構成される。 評価の結果、QF-pNetとQF-hNetはそれぞれ97.10%と98.27%の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-06-26T06:25:03Z)

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。