Fugu-MT 論文翻訳(概要): Quantum classical hybrid neural networks for continuous variable prediction

論文の概要: Quantum classical hybrid neural networks for continuous variable prediction

arxiv url: http://arxiv.org/abs/2212.04209v3
Date: Wed, 14 Dec 2022 04:00:54 GMT
ステータス: 処理完了
システム内更新日: 2023-01-09 18:15:41.569262
Title: Quantum classical hybrid neural networks for continuous variable prediction
Title（参考訳）: 連続変数予測のための量子古典ハイブリッドニューラルネットワーク
Authors: Prateek Jain, Alberto Garcia Garcia
Abstract要約: この10年以内に、量子コンピュータは処理能力で従来のコンピュータより優れていると予測されている。金融セクターは、短期と長期の両方で量子コンピューティングの恩恵を受ける最初の1つになると予測されている。
参考スコア（独自算出の注目度）: 13.944536712362007
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Within this decade, quantum computers are predicted to outperform conventional computers in terms of processing power and have a disruptive effect on a variety of business sectors. It is predicted that the financial sector would be one of the first to benefit from quantum computing both in the short and long terms. In this research work we use Hybrid Quantum Neural networks to present a quantum machine learning approach for Continuous variable prediction.
Abstract（参考訳）: この10年以内に、量子コンピュータは処理能力で従来のコンピュータを上回っ、さまざまなビジネス分野に破壊的な影響を与えると予測されている。金融セクターは、短期と長期の両方で量子コンピューティングの恩恵を受ける最初の分野の1つになると予測されている。本研究では,Hybrid Quantum Neural Networkを用いて連続変数予測のための量子機械学習手法を提案する。

関連論文リスト

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)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。機械学習の観点からQGLMの現状を概観する。従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文参考訳（メタデータ） (2022-06-07T07:32:57Z)
Resource Allocation in Quantum Networks for Distributed Quantum Computing [0.0]
最近の傾向は、近い将来、量子コンピューティングが商業目的のために大規模に利用できるようになることを示唆している。量子インターネットは、量子ビットを交換するために量子リンクとリピータによる量子コンピュータの相互接続を必要とする。本稿では,分散ノード上でのスマートコンピューティングの要件と目的について,量子ネットワークのプロビジョニングの観点から検討する。
論文参考訳（メタデータ） (2022-03-11T10:46:31Z)
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)
A Quantum Generative Adversarial Network for distributions [0.0]
我々は、完全に接続された量子生成適応ネットワークを開発し、特にボラティリティモデリングに焦点を当てた数学的ファイナンスにどのように適用できるかを示す。
論文参考訳（メタデータ） (2021-10-04T20:41:04Z)
Quantum Machine Learning for Finance [52.97198108304122]
量子コンピューティングの恩恵を受けた最初の業界セクターは金融だと考えられている。本稿では,金融分野における量子アルゴリズムの現状について述べる。
論文参考訳（メタデータ） (2021-09-09T14:20:10Z)
Mutual Reinforcement between Neural Networks and Quantum Physics [0.0]
量子機械学習は、量子力学と機械学習の共生から生まれる。古典的な機械学習を量子物理学問題に適用するためのツールとして使う。量子パーセプトロンの力学に基づく量子ニューラルネットワークの設計と、短絡の断熱への応用は、短時間の動作時間と堅牢な性能をもたらす。
論文参考訳（メタデータ） (2021-05-27T16:20:50Z)
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)
An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文参考訳（メタデータ） (2020-05-06T14:18:44Z)

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。