論文の概要: Optimizing Quantum Noise-induced Reservoir Computing for Nonlinear and
Chaotic Time Series Prediction
- arxiv url: http://arxiv.org/abs/2303.05488v1
- Date: Thu, 9 Mar 2023 18:40:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 13:38:15.876839
- Title: Optimizing Quantum Noise-induced Reservoir Computing for Nonlinear and
Chaotic Time Series Prediction
- Title（参考訳）: 非線形およびカオス時系列予測のための量子ノイズ誘起貯留層計算の最適化
- Authors: Daniel Fry, Amol Deshmukh, Samuel Yen-Chi Chen, Vladimir Rastunkov,
Vanio Markov
- Abstract要約: この研究は、時系列予測を効果的に改善するために、量子貯水池のリソースノイズに最適化を適用する最初のものである。
我々は、量子ノイズ誘発貯水池(QNIR)コンピュータにおいて、量子ハードウェアノイズを必須資源として利用した鈴木らの研究に基づいて構築する。
- 参考スコア（独自算出の注目度）: 0.5999777817331317
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum reservoir computing (QRC) has been strongly emerging as a time series
prediction approach in quantum machine learning (QML). This work is the first
to apply optimization to resource noise in a quantum reservoir to effectively
improve time series prediction. Based on this development, we propose a new
approach to quantum circuit optimization.
We build on the work of Suzuki et al., who used quantum hardware noise as an
essential resource in quantum noise-induced reservoir (QNIR) computer for
generating non-trivial output sequences, and we achieve a novel, optimized
QNIR, in which the artificial noise channels are parameterized. To optimize the
parameterized resource noise, we use dual annealing and evolutionary
optimization. Another essential component of our approach is reducing quantum
resources in the number of artificial noise models, number of qubits,
entanglement scheme complexity, and circuit depth. A key result is the
reduction from a general multi-component noise model to a single reset noise
model.
Reservoir computers are especially well-suited for modelling nonlinear
dynamical systems. In this paper we consider NARMA and Mackey-Glass systems,
which are common univariate time series benchmarks for reservoir computers and
recurrent neural networks. Recently QRCs have demonstrated good prediction
capability with small numbers of qubits. QNIR simulations based on our
optimization approach demonstrate high performance on NARMA benchmarks while
using only a 12-qubit reservoir and a single noise model. Good prediction
performances over 100 timesteps ahead for the Mackey-Glass system are
demonstrated in the chaotic regime. In addition, these results provide valuable
insight into resource noise requirements for the QNIR.
- Abstract（参考訳）: 量子機械学習(QML)における時系列予測手法として,量子貯水池計算(QRC)が強く取り上げられている。
この研究は、時系列予測を効果的に改善するために、量子貯水池のリソースノイズに最適化を適用する最初のものである。
そこで本研究では,量子回路最適化の新しい手法を提案する。
我々は,量子ノイズ誘導型貯水池(QNIR)コンピュータにおいて,量子ハードウェアノイズを必須資源として利用して非自明な出力シーケンスを生成するスズキらの研究に基づき,人工ノイズチャネルをパラメータ化する新しい最適化QNIRを実現する。
パラメータ化リソースノイズの最適化には,デュアルアニーリングと進化的最適化を用いる。
このアプローチのもうひとつの重要な要素は、人工ノイズモデル数、量子ビット数、絡み合いスキームの複雑さ、回路深度における量子リソースの削減です。
主要な結果は、一般的なマルチコンポーネントノイズモデルから単一リセットノイズモデルへの還元である。
貯留層コンピュータは非線形力学系のモデリングに特に適している。
本稿では,貯水池コンピュータとリカレントニューラルネットワークのための一変量時系列ベンチマークである NARMA と Mackey-Glass システムについて考察する。
最近、QRCは少数の量子ビットで優れた予測能力を示した。
最適化手法に基づくQNIRシミュレーションは、12量子ビット貯水池と1つのノイズモデルのみを用いて、NARMAベンチマークで高い性能を示す。
マッキーグラスシステムの100ステップ以上の予測性能がカオスシステムで実証されている。
さらに、これらの結果はQNIRのリソースノイズ要求に関する貴重な洞察を提供する。
関連論文リスト
- QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Improving Continuous-variable Quantum Channels with Unitary Averaging [39.58317527488534]
本稿では、ガウスチャネルを保護するために、受動線形光ユニタリ平均化方式を示す。
このスキームは線形光学素子と真空検出器のみを必要とし、純度、スチーズ、絡み合いの喪失を防ぐ。
論文 参考訳（メタデータ） (2023-11-17T10:10:19Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - A hybrid quantum gap estimation algorithm using a filtered time series [0.0]
我々は、古典的な後処理、すなわち、オフライン時系列の長時間フィルタリングが、量子時間進化に必要な回路深さを指数関数的に改善することを証明する。
本手法をハイブリッド量子古典アルゴリズムの構築に適用し,エネルギーギャップを推定する。
我々の発見は、短期的にメモリの優位性を提供するために、非バイアス量子シミュレーションのステージを設定した。
論文 参考訳（メタデータ） (2022-12-28T18:59:59Z) - Bayesian Learning of Parameterised Quantum Circuits [0.0]
我々はベイズ後部の近似として古典的最適化の確率論的視点を取り、再定式化する。
ラプラスを用いた最大後点推定に基づく次元縮小戦略について述べる。
量子H1-2コンピュータの実験では、結果として得られる回路は勾配なしで訓練された回路よりも高速でノイズが少ないことが示されている。
論文 参考訳（メタデータ） (2022-06-15T14:20:14Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - 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) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Randomizing multi-product formulas for Hamiltonian simulation [2.2049183478692584]
本稿では,一方のランダム化コンパイルの利点と他方の高次多重積公式を結合した量子シミュレーション手法を提案する。
本フレームワークは,振幅増幅を回避し,回路深度を低減させる。
本アルゴリズムは回路深さとともに指数関数的に縮小するシミュレーション誤差を実現する。
論文 参考訳（メタデータ） (2021-01-19T19:00:23Z) - Quantum reservoir computing with a single nonlinear oscillator [0.0]
単一非線形発振器における連続可変量子貯水池計算を提案する。
量子古典的な性能向上を実証し、量子測定の非線形性(英語版)を推定する。
量子貯水池の性能がヒルベルト空間次元にどのように依存するか, 入射雑音の影響について検討し, その実験的な実装について簡単に述べる。
論文 参考訳（メタデータ） (2020-04-30T17:14:34Z) - Temporal Information Processing on Noisy Quantum Computers [3.4180402210147243]
複素散逸型量子力学を利用する量子貯水池計算を提案する。
遠隔アクセスされたクラウドベースの超伝導量子コンピュータに関する実証実験は、小さくノイズの多い量子貯水池が高次非線形時間的タスクに対処できることを実証している。
本研究は, 量子誤り訂正を伴わず, 忠実度を増大させるような, 短期ゲートモデル量子コンピュータの魅力的な時間的処理手法の道筋をたどるものである。
論文 参考訳（メタデータ） (2020-01-26T19:00:03Z)
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。