論文の概要: Quantum Machine Learning Implementations: Proposals and Experiments

• arxiv url: http://arxiv.org/abs/2303.06263v1
• Date: Sat, 11 Mar 2023 01:02:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 20:05:11.800732
• Title: Quantum Machine Learning Implementations: Proposals and Experiments
• Title（参考訳）: 量子機械学習の実装:提案と実験
• Authors: Lucas Lamata
• Abstract要約: この記事では、量子強化学習、量子オートエンコーダ、量子メムリスタなど、特定の高インパクトトピックについてレビューする。 量子機械学習の分野は、産業や社会にとって有益な結果を生み出す最初の量子技術の一つかもしれない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article gives an overview and a perspective of recent theoretical proposals and their experimental implementations in the field of quantum machine learning. Without an aim to being exhaustive, the article reviews specific high-impact topics such as quantum reinforcement learning, quantum autoencoders, and quantum memristors, and their experimental realizations in the platforms of quantum photonics and superconducting circuits. The field of quantum machine learning could be among the first quantum technologies producing results that are beneficial for industry and, in turn, to society. Therefore, it is necessary to push forward initial quantum implementations of this technology, in Noisy Intermediate-Scale Quantum Computers, aiming for achieving fruitful calculations in machine learning that are better than with any other current or future computing paradigm.
• Abstract（参考訳）: 本稿では、量子機械学習の分野における最近の理論提案とその実験的実装の概要と展望について述べる。 この論文は、徹底的な目的を持たずに、量子強化学習、量子オートエンコーダ、量子メムリスタなどの特定の高インパクトトピックと、量子フォトニクスと超伝導回路のプラットフォームにおける実験的な実現についてレビューする。 量子機械学習の分野は、業界や社会にとって有益な結果を生み出す最初の量子テクノロジーの1つかもしれない。 したがって、ノイズの多い中間スケール量子コンピュータにおいて、この技術の初期量子実装を推し進める必要があり、現在または将来のコンピューティングパラダイムよりも優れた機械学習で実りある計算を達成することを目指している。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum information processing with superconducting circuits: a perspective [0.0]
  主な問題は、量子最適化と材料科学の有用な応用において、どのように量子優位を達成するかである。 変分量子アルゴリズムの最適化と電子構造決定への応用に関する最近の研究 競争力のある量子システムへのスケールアップ方法に関する現在の作業とアイデア。
  論文  参考訳（メタデータ） (2023-02-09T10:49:56Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Opportunities in Quantum Reservoir Computing and Extreme Learning Machines [0.0]
  量子貯水池コンピューティング(QRC)と量子極端学習マシン(QELM)は2つの新しいアプローチである。 彼らは物理的なシステムの量子性と簡単なトレーニング戦略を組み合わせ、優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-02-23T18:05:04Z)
• Quantum Computing: an undergraduate approach using Qiskit [0.0]
  量子コンピューティングを教えるためのQuantum Information Software Developer Kit - Qiskitを紹介します。 我々は、一般的なラップトップやデスクトップコンピュータ上でのプログラムの構築と、実際の量子プロセッサ上での実行に重点を置いている。 コードはテキスト全体に公開されており、科学計算の経験がほとんどない読者でもそれを再現することができる。
  論文  参考訳（メタデータ） (2021-01-26T18:19:23Z)
• Quantum reservoir computing: a reservoir approach toward quantum machine learning on near-term quantum devices [0.8206877486958002]
  量子貯水池コンピューティング(Quantum reservoir computing)は、時間的機械学習のように、量子システム上で複雑でリッチなダイナミクスを使用するアプローチである。 これらの量子機械学習アプローチはすべて、実験的に実現可能であり、最先端の量子デバイスに有効である。
  論文  参考訳（メタデータ） (2020-11-10T04:45:52Z)
• Quantum machine learning and quantum biomimetics: A perspective [0.0]
  量子機械学習は、量子技術の中でエキサイティングで有望なパラダイムとして登場した。 本稿では,これらのトピックについて概観し,科学コミュニティが実施した関連研究について述べる。
  論文  参考訳（メタデータ） (2020-04-25T07:45:20Z)

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。