Fugu-MT 論文翻訳(概要): Supervised Hamiltonian learning via efficient and robust quantum descent

論文の概要: Supervised Hamiltonian learning via efficient and robust quantum descent

arxiv url: http://arxiv.org/abs/2212.13718v1
Date: Wed, 28 Dec 2022 06:54:15 GMT
ステータス: 処理完了
システム内更新日: 2023-01-09 02:06:08.925800
Title: Supervised Hamiltonian learning via efficient and robust quantum descent
Title（参考訳）: 効率的で堅牢な量子降下によるハミルトン学習
Authors: Tian-Lun Zhao, Shi-Xin Hu and Yi Zhang
Abstract要約: 本稿では,最大状態と教師付き機械学習を混合した効率的な量子戦略を提案する。このような最適化効率に加えて、ハミルトニアン学習は与えられた量子系の局所性を尊重する。
参考スコア（独自算出の注目度）: 4.490097334898205
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Given the recent developments in quantum techniques, modeling the physical Hamiltonian of a target quantum many-body system is becoming an increasingly practical and vital research direction. Here, we propose an efficient quantum strategy that mingles maximum-likelihood-estimate state and supervised machine learning. Given the measurement outcomes, we optimize the target model Hamiltonian and density operator via a series of quantum descent, which we prove is negative semi-definite with respect to the negative-log-likelihood function. In addition to such optimization efficiency, supervised Hamiltonian learning respects the locality of a given quantum system, therefore, extends readily to larger systems. Compared with previous approaches, it also exhibits better accuracy and overall stability toward noises, fluctuations, and temperature ranges, which we demonstrate with various examples.
Abstract（参考訳）: 近年の量子技術の発展を考えると、ターゲット量子多体系の物理的ハミルトニアンのモデル化は、ますます実用的で不可欠な研究の方向性になりつつある。本稿では,最大公約状態と教師付き機械学習を混合した効率的な量子戦略を提案する。測定結果から、ターゲットモデルハミルトンおよび密度演算子を一連の量子降下により最適化し、負のlog-like-hood関数に対して負の半定値であることが証明される。このような最適化効率に加えて、監督ハミルトニアン学習は与えられた量子システムの局所性を尊重するので、より大きな系に容易に拡張できる。従来の手法と比較すると,ノイズ,ゆらぎ,温度範囲に対する精度と全体的な安定性が示され,様々な例で示される。

関連論文リスト

Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
論文参考訳（メタデータ） (2024-07-02T18:00:00Z)
Benchmarking digital quantum simulations above hundreds of qubits using quantum critical dynamics [42.29248343585333]
最大133キュービットの量子ハードウェアとエラー軽減手法をベンチマークする。最大2量子ゲート幅は28で、最大1396個の2量子ゲートを持つ。結果はハミルトンシミュレーション、変分アルゴリズム、最適化、量子機械学習などのアプリケーションに転送可能である。
論文参考訳（メタデータ） (2024-04-11T18:00:05Z)
Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文参考訳（メタデータ） (2024-01-31T01:02:16Z)
Scalable simulation of non-equilibrium quantum dynamics via classically optimised unitary circuits [0.0]
量子時間進化演算子を近似するために,一元的ブロックウォール回路を最適化する方法を示す。様々な3体ハミルトニアンに対して、我々の手法は、その精度と量子回路の深さの両方でトロタライズを上回る量子回路を生成する。また、量子デバイスとブロックウォール回路近似の組み合わせ誤差を最小限に抑える最適な時間ステップを選択する方法についても説明する。
論文参考訳（メタデータ） (2023-12-21T19:00:35Z)
Guaranteed efficient energy estimation of quantum many-body Hamiltonians using ShadowGrouping [55.47824411563162]
量子多体系のエネルギーの推定は、様々な研究分野におけるパラダイム的な課題である。本研究の目的は,全測定予算から最も高い証明可能な精度が得られる単一キュービット計測による最適戦略を見出すことである。私たちはShadowGroupingと呼ばれる実用的で効率的な見積もり戦略を開発します。
論文参考訳（メタデータ） (2023-01-09T14:41:07Z)
Automatic and effective discovery of quantum kernels [43.702574335089736]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文参考訳（メタデータ） (2022-09-22T16:42:14Z)
Provably efficient variational generative modeling of quantum many-body systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文参考訳（メタデータ） (2022-06-09T17:58:15Z)
Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)
Estimation of pure quantum states in high dimension at the limit of quantum accuracy through complex optimization and statistical inference [0.0]
量子トモグラフィーは、量子状態、プロセス、デバイスを評価するための重要なツールとなっている。単一2次元量子系適応法の混合状態の場合, 林, ギル, マッサーによる理論的精度限界を達成するために, 最近導入されている。本稿では、適応トモグラフィー法を提案し、数値シミュレーションを通して、高次元の純量子状態の基本的な精度にアプローチすることは困難であることを示す。
論文参考訳（メタデータ） (2020-07-02T21:33:16Z)
Measuring Analytic Gradients of General Quantum Evolution with the Stochastic Parameter Shift Rule [0.0]
本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
論文参考訳（メタデータ） (2020-05-20T18:24:11Z)
Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
論文参考訳（メタデータ） (2020-02-04T00:46:51Z)

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。