論文の概要: Quantum amplitude estimation with error mitigation for time-evolving probabilistic networks

• arxiv url: http://arxiv.org/abs/2303.16588v1
• Date: Wed, 29 Mar 2023 10:45:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-30 15:08:51.612676
• Title: Quantum amplitude estimation with error mitigation for time-evolving probabilistic networks
• Title（参考訳）: 時間進化確率ネットワークの誤差緩和による量子振幅推定
• Authors: M.C. Braun, T. Decker, N. Hegemann, S.F. Kerstan, C. Maier, J. Ulmanis
• Abstract要約: ノードのネットワークを考慮し、各ノードは2つの状態(良いか失敗したか)のうちの1つにすることができる。 提案手法は任意の時間ステップで任意のネットワークトポロジを評価できる。 本稿では,現実的な雑音モデルを用いたシミュレータ上での低深さ量子振幅推定結果について述べる。
• 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: We present a method to model a discretized time evolution of probabilistic networks on gate-based quantum computers. We consider networks of nodes, where each node can be in one of two states: good or failed. In each time step, probabilities are assigned for each node to fail (switch from good to failed) or to recover (switch from failed to good). Furthermore, probabilities are assigned for failing nodes to trigger the failure of other, good nodes. Our method can evaluate arbitrary network topologies for any number of time steps. We can therefore model events such as cascaded failure and avalanche effects which are inherent to financial networks, payment and supply chain networks, power grids, telecommunication networks and others. Using quantum amplitude estimation techniques, we are able to estimate the probability of any configuration for any set of nodes over time. This allows us, for example, to determine the probability of the first node to be in the good state after the last time step, without the necessity to track intermediate states. We present the results of a low-depth quantum amplitude estimation on a simulator with a realistic noise model. We also present the results for running this example on the AQT quantum computer system PINE. Finally, we introduce an error model that allows us to improve the results from the simulator and from the experiments on the PINE system.
• Abstract（参考訳）: 本稿では,ゲート型量子コンピュータにおける確率ネットワークの離散化時間発展をモデル化する手法を提案する。 ノードのネットワークを考慮し、各ノードは2つの状態の1つにすることができる。 各タイムステップでは、各ノードが失敗(善から失敗への切り替え)または回復(失敗から善への切り替え)する確率が割り当てられる。 さらに、他のよいノードの障害を引き起こすために、失敗したノードに確率が割り当てられる。 提案手法は任意の時間ステップで任意のネットワークトポロジを評価できる。 したがって、金融ネットワーク、決済・サプライチェーンネットワーク、電力グリッド、通信ネットワークなど固有のカスケード障害や雪崩効果などのイベントをモデル化することができる。 量子振幅推定手法を用いることで、任意のノードの任意の構成の確率を時間とともに推定することができる。 これにより、例えば、中間状態を追跡する必要なしに、最後のステップ後に最初のノードが良い状態になる確率を決定することができる。 本稿では,現実的なノイズモデルを持つシミュレータ上での低深さ量子振幅推定結果を示す。 また、AQT量子コンピュータシステムPINEでこの例を実行する結果を示す。 最後に,シミュレーションとPINEシステム実験の結果を改善するためのエラーモデルを提案する。

関連論文リスト

• Success probabilities in time-reversal based hybrid quantum state transfer [0.0]
  空飛ぶ量子ビットで接続された量子ネットワークの2つのメモリノードを考える。 実際のフライングキュービットのスペクトル形状と理想的な形状の重なり合いによって、どのように、なぜ対面する確率が決定されるのかを示す。
  論文  参考訳（メタデータ） (2024-01-16T04:38:10Z)
• Scalable tensor-network error mitigation for near-term quantum computing [0.0]
  本稿では,物理観測値の推定においてノイズによる誤差を補正するために,後処理で機能するテンソルネットワークエラー軽減アルゴリズムを提案する。 TEMは、情報的に完全なPOVMの実装以外の追加の量子演算を必要としない。 我々は、異なる状態における数値シミュレーションにおいて、TEMを広範囲にテストする。
  論文  参考訳（メタデータ） (2023-07-21T17:54:05Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Implementing arbitrary quantum operations via quantum walks on a cycle graph [8.820803742534677]
  サイクルグラフ上の単純な離散時間量子ウォーク(DTQW)を用いて任意のユニタリ演算をモデル化する。 我々のモデルは基本的にDTQWに基づく量子ニューラルネットワークである。
  論文  参考訳（メタデータ） (2022-10-26T03:51:46Z)
• On the Neural Tangent Kernel Analysis of Randomly Pruned Neural Networks [91.3755431537592]
  ニューラルネットワークのニューラルカーネル(NTK)に重みのランダムプルーニングが及ぼす影響について検討する。 特に、この研究は、完全に接続されたニューラルネットワークとそのランダムに切断されたバージョン間のNTKの等価性を確立する。
  論文  参考訳（メタデータ） (2022-03-27T15:22:19Z)
• Why Lottery Ticket Wins? A Theoretical Perspective of Sample Complexity on Pruned Neural Networks [79.74580058178594]
  目的関数の幾何学的構造を解析することにより、刈り取られたニューラルネットワークを訓練する性能を解析する。 本稿では,ニューラルネットワークモデルがプルーニングされるにつれて,一般化が保証された望ましいモデル近傍の凸領域が大きくなることを示す。
  論文  参考訳（メタデータ） (2021-10-12T01:11:07Z)
• Cluster-Promoting Quantization with Bit-Drop for Minimizing Network Quantization Loss [61.26793005355441]
  クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。 DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。 本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
  論文  参考訳（メタデータ） (2021-09-05T15:15:07Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)
• Quantum circuit representation of Bayesian networks [5.057312718525522]
  2つ以上の状態を持つノードを持つ一般的な離散ベイズネットワークを表現する量子回路を開発する。 提案手法は,4ノードの石油会社の株価予測,流動性リスク評価のための10ノードネットワーク,破産予測のための9ノードのネイブベイズ分類器の3例に対して実証された。
  論文  参考訳（メタデータ） (2020-04-29T04:58:54Z)
• Quantum State Discrimination on Reconfigurable Noise-Robust Quantum Networks [6.85316573653194]
  量子情報処理における根本的な問題は、システムの量子状態の集合の識別である。 本稿では、この問題を量子ウォークによって定義されるグラフによって記述されたオープン量子システム上で解決する。 ネットワークのパラメータを最適化し、正しい識別の確率を最大化する。
  論文  参考訳（メタデータ） (2020-03-25T19:07:03Z)

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。