Fugu-MT 論文翻訳(概要): TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework

論文の概要: TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework

arxiv url: http://arxiv.org/abs/2301.05451v2
Date: Sun, 08 Dec 2024 02:45:21 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-10 14:47:55.382993
Title: TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework
Title（参考訳）: TeD-Q:分散分散量子機械学習フレームワーク
Authors: Yaocheng Chen, Chung-Yun Kuo, Yuxuan Du, Dacheng Tao, Xingyao Wu,
Abstract要約: TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
参考スコア（独自算出の注目度）: 48.491303218786044
License:
Abstract: TeD-Q is an open-source software framework for quantum machine learning, variational quantum algorithm (VQA), and simulation of quantum computing. It seamlessly integrates classical machine learning libraries with quantum simulators, giving users the ability to leverage the power of classical machine learning while training quantum machine learning models. TeD-Q supports auto-differentiation that provides backpropagation, parameters shift, and finite difference methods to obtain gradients. With tensor contraction, simulation of quantum circuits with large number of qubits is possible. TeD-Q also provides a graphical mode in which the quantum circuit and the training progress can be visualized in real-time.
Abstract（参考訳）: TeD-Qは、量子機械学習、変分量子アルゴリズム(VQA)、および量子コンピューティングのシミュレーションのためのオープンソースのソフトウェアフレームワークである。従来の機械学習ライブラリと量子シミュレータをシームレスに統合することで、量子機械学習モデルをトレーニングしながら、従来の機械学習のパワーを活用することができる。 TeD-Qは、勾配を得るためのバックプロパゲーション、パラメータシフト、有限差分法を提供する自動微分をサポートする。テンソル収縮により、多数の量子ビットを持つ量子回路のシミュレーションが可能となる。 TeD-Qはまた、量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードも提供する。

関連論文リスト

Quantum-Train: Rethinking Hybrid Quantum-Classical Machine Learning in the Model Compression Perspective [7.7063925534143705]
本稿では,量子コンピューティングと機械学習アルゴリズムを統合する新しいアプローチであるQuantum-Train(QT)フレームワークを紹介する。 QTは、古典的なマッピングモデルと並んで量子ニューラルネットワークを利用することで、顕著な結果を得る。
論文参考訳（メタデータ） (2024-05-18T14:35:57Z)
Multi-GPU-Enabled Hybrid Quantum-Classical Workflow in Quantum-HPC Middleware: Applications in Quantum Simulations [1.9922905420195367]
本研究では,革新的な分散型量子古典量子アーキテクチャを提案する。最先端の量子ソフトウェアフレームワークを高性能な古典コンピューティングリソースと統合する。物質と凝縮物質物理学の量子シミュレーションにおける課題に対処する。
論文参考訳（メタデータ） (2024-03-09T07:38:45Z)
QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-14T08:03:20Z)
Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文参考訳（メタデータ） (2022-09-16T02:37:32Z)
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)
Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
論文参考訳（メタデータ） (2022-04-04T21:16:06Z)
QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
論文参考訳（メタデータ） (2021-10-06T14:44:51Z)
Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文参考訳（メタデータ） (2021-04-21T13:26:42Z)
MISTIQS: An open-source software for performing quantum dynamics simulations on quantum computers [1.3192560874022086]
MISTIQSは、時間依存のハイゼンベルク・ハミルトニアンによって支配されるシステムの量子多体力学をシミュレートするためのエンドツーエンド機能を提供する。量子回路の中間表現を生成するための高レベルプログラミング機能を提供する。
論文参考訳（メタデータ） (2021-01-05T22:37:01Z)
TensorFlow Quantum: A Software Framework for Quantum Machine Learning [36.75544801185366]
本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
論文参考訳（メタデータ） (2020-03-06T01:31:43Z)

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。