論文の概要: On the Behaviour of Pulsed Qubits and their Application to Feed Forward Networks

• arxiv url: http://arxiv.org/abs/2302.10467v1
• Date: Tue, 21 Feb 2023 06:16:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 16:16:21.829174
• Title: On the Behaviour of Pulsed Qubits and their Application to Feed Forward Networks
• Title（参考訳）: パルス量子ビットの挙動とフォワードネットワークへの応用について
• Authors: Matheus Moraes Hammes and Antonio Robles-Kelly
• Abstract要約: 本稿では,従来のパラメータをニューラルネットワークに類似した方法で使用可能な,単一キュービットフィードフォワードブロックを提案する。 正弦二乗アクティベーション関数を用いて、ニューラルネットワークにアナログを描画する方法を示す。
• 参考スコア（独自算出の注目度）: 2.962453125262748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the last two decades, the combination of machine learning and quantum computing has been an ever-growing topic of interest but, to this date, the limitations of quantum computing hardware have somewhat restricted the use of complex multi-qubit operations for machine learning. In this paper, we capitalize on the cyclical nature of quantum state probabilities observed on pulsed qubits to propose a single-qubit feed forward block whose architecture allows for classical parameters to be used in a way similar to classical neural networks. To do this, we modulate the pulses exciting qubits to induce superimposed rotations around the Bloch Sphere. The approach presented here has the advantage of employing a single qubit per block. Thus, it is linear with respect to the number of blocks, not polynomial with respect to the number of neurons as opposed to the majority of methods elsewhere. Further, since it employs classical parameters, a large number of iterations and updates at training can be effected without dwelling on coherence times and the gradients can be reused and stored if necessary. We also show how an analogy can be drawn to neural networks using sine-squared activation functions and illustrate how the feed-forward block presented here may be used and implemented on pulse-enabled quantum computers.
• Abstract（参考訳）: 過去20年間、機械学習と量子コンピューティングの組み合わせはますます関心を集めてきたが、今日まで量子コンピューティングハードウェアの限界は、機械学習のための複雑なマルチ量子ビット操作の使用をやや制限してきた。 本稿では,パルス量子ビット上で観測される量子状態確率の周期的性質を活かし,古典的パラメータを古典的ニューラルネットワークと同様の方法で使用可能にする単一量子ビットフィードフォワードブロックを提案する。 これを実現するために、パルス励起量子ビットを変調し、ブロッホ球まわりの重ね合わせ回転を誘導する。 ここで提示されるアプローチは、1ブロックあたり1キュービットの利点がある。 したがって、ブロックの数に関して線形であり、他の方法の大多数とは対照的に、ニューロンの数に関する多項式ではない。 さらに、古典的パラメータを用いるため、コヒーレンス時間に費やすことなく、多数のイテレーションやトレーニング時の更新を行うことができ、必要に応じて勾配を再利用、保存することができる。 また,sine-squaredアクティベーション関数を用いてニューラルネットワークにアナロジーを描画する方法を示し,ここで提示したフィードフォワードブロックがパルス量子コンピュータ上でどのように使われ,実装されるかを示す。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• 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)
• Realization of a quantum neural network using repeat-until-success circuits in a superconducting quantum processor [0.0]
  本稿では、リアルタイム制御-フローフィードバックによって実現されたリピート・アンティル・サクセス回路を用いて、非線形活性化機能を持つ量子ニューロンを実現する。 例えば、2ビットから1ビットのブール関数をすべて学習できる最小限のフィードフォワード量子ニューラルネットワークを構築する。 このモデルは非線形分類を行い、全ての入力の最大重ね合わせからなる単一のトレーニング状態の複数のコピーから効果的に学習する。
  論文  参考訳（メタデータ） (2022-12-21T03:26:32Z)
• Analog quantum variational embedding classifier [8.445680783099196]
  アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。 性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。 提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
  論文  参考訳（メタデータ） (2022-11-04T20:58:48Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Parametrized constant-depth quantum neuron [56.51261027148046]
  本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。 ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。 パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
  論文  参考訳（メタデータ） (2022-02-25T04:57:41Z)
• Interactive Protocols for Classically-Verifiable Quantum Advantage [46.093185827838035]
  証明者と検証者の間の「相互作用」は、検証可能性と実装のギャップを埋めることができる。 イオントラップ量子コンピュータを用いた対話型量子アドバンストプロトコルの最初の実装を実演する。
  論文  参考訳（メタデータ） (2021-12-09T19:00:00Z)
• Expanding variational quantum eigensolvers to larger systems by dividing the calculations between classical and quantum hardware [0.0]
  限られた資源を持つ量子コンピュータ上で、多粒子ハミルトニアンの固有値問題を効率的に解くためのハイブリッド古典量子アルゴリズムを提案する。 このアルゴリズムは、より多くの量子評価を犠牲にして必要となる量子ビット数を減少させる。
  論文  参考訳（メタデータ） (2021-12-09T17:37:41Z)
• Learning temporal data with variational quantum recurrent neural network [0.5658123802733283]
  パラメタライズド量子回路を用いて時間データを学習する手法を提案する。 この研究は、時間データの学習に複雑な量子力学を利用する方法を提供する。
  論文  参考訳（メタデータ） (2020-12-21T10:47:28Z)
• A Derivative-free Method for Quantum Perceptron Training in Multi-layered Neural Networks [2.962453125262748]
  量子パーセプトロンに基づく多層ニューラルネットワークのグラデーションフリー・アプローチ 我々は測定可能な演算子を用いて、マルコフプロセスと整合した方法でネットワークの状態を定義する。
  論文  参考訳（メタデータ） (2020-09-23T01:38:34Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。