論文の概要: Configured Quantum Reservoir Computing for Multi-Task Machine Learning
- arxiv url: http://arxiv.org/abs/2303.17629v1
- Date: Thu, 30 Mar 2023 18:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 16:24:39.795106
- Title: Configured Quantum Reservoir Computing for Multi-Task Machine Learning
- Title（参考訳）: マルチタスク機械学習のための構成量子貯留層計算
- Authors: Wei Xia, Jie Zou, Xingze Qiu, Feng Chen, Bing Zhu, Chunhe Li,
Dong-Ling Deng and Xiaopeng Li
- Abstract要約: 量子貯水池計算のためのプログラム可能なNISQデバイスのダイナミクスについて検討する。
単一の構成の量子貯水池は、同時に複数のタスクを学習することができる。
量子貯水池における量子コヒーレンス(quantum coherence, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス)
- 参考スコア（独自算出の注目度）: 24.698475208639586
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Amidst the rapid advancements in experimental technology,
noise-intermediate-scale quantum (NISQ) devices have become increasingly
programmable, offering versatile opportunities to leverage quantum
computational advantage. Here we explore the intricate dynamics of programmable
NISQ devices for quantum reservoir computing. Using a genetic algorithm to
configure the quantum reservoir dynamics, we systematically enhance the
learning performance. Remarkably, a single configured quantum reservoir can
simultaneously learn multiple tasks, including a synthetic oscillatory network
of transcriptional regulators, chaotic motifs in gene regulatory networks, and
the fractional-order Chua's circuit. Our configured quantum reservoir computing
yields highly precise predictions for these learning tasks, outperforming
classical reservoir computing. We also test the configured quantum reservoir
computing in foreign exchange (FX) market applications and demonstrate its
capability to capture the stochastic evolution of the exchange rates with
significantly greater accuracy than classical reservoir computing approaches.
Through comparison with classical reservoir computing, we highlight the unique
role of quantum coherence in the quantum reservoir, which underpins its
exceptional learning performance. Our findings suggest the exciting potential
of configured quantum reservoir computing for exploiting the quantum
computation power of NISQ devices in developing artificial general
intelligence.
- Abstract（参考訳）: 実験技術の急速な進歩の中で、ノイズ中間スケール量子(nisq)デバイスはプログラム可能になり、量子計算の利点を活用するための多様な機会を提供している。
本稿では、量子貯水池計算のためのプログラム可能なNISQデバイスの複雑なダイナミクスについて考察する。
遺伝的アルゴリズムを用いて量子貯水池の力学を構成することにより,学習性能を体系的に向上する。
注目すべきことに、単一の構成された量子貯水池は、転写調節因子の合成振動ネットワーク、遺伝子制御ネットワークにおけるカオスモチーフ、および分数次Chua回路など、複数のタスクを同時に学習することができる。
我々の構成した量子貯水池計算は、従来の貯水池計算よりも優れた精度でこれらの学習タスクを予測できる。
また、外国為替(fx)市場における構成された量子貯水池計算をテストし、古典的貯水池計算手法よりもかなり高い精度で交換レートの確率的進化を捉える能力を示す。
古典的な貯水池計算と比較して、量子貯水池における量子コヒーレンスの役割を強調し、その例外的な学習性能を支えている。
以上の結果から,nisqデバイスの量子計算能力を利用するための構成量子貯水池計算のエキサイティングなポテンシャルが示唆された。
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) - LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。
本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
論文 参考訳（メタデータ） (2024-09-22T23:18:06Z) - 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) - Classical and quantum reservoir computing: development and applications
in machine learning [0.0]
貯留層計算(Reservoir computing)は、非線形力学系を用いてデータから複雑な時間パターンを学習する、新しい機械学習アルゴリズムである。
この研究は、農業時系列予測を含む、非常に異なる領域にわたるアルゴリズムの堅牢性と適応性を実証している。
この論文の最後の貢献は、量子貯水池計算のためのアルゴリズム設計の最適化である。
論文 参考訳（メタデータ） (2023-10-11T13:01:05Z) - Quafu-RL: The Cloud Quantum Computers based Quantum Reinforcement
Learning [0.0]
本研究は,BAQIS Quafu量子コンピューティングクラウド上で,少なくとも136量子ビットを備えた実デバイス上で,ベンチマーク量子強化問題を実行するための第一歩である。
実験の結果,Reinforcement Learning (RL) エージェントはトレーニング段階と推論段階の両方でわずかに緩和された目標を達成することができることがわかった。
論文 参考訳（メタデータ） (2023-05-29T09:13:50Z) - Exploring quantum mechanical advantage for reservoir computing [0.0]
量子貯水池の量子特性と線形短期記憶性能の関連性を確立する。
貯水池における高い絡み合いは,より複雑な貯水池力学の前提条件であることがわかった。
本稿では,物理量子貯水池の性能に及ぼすデファスティングの影響について論じる。
論文 参考訳（メタデータ） (2023-02-07T17:07:28Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
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。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - 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) - 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 Reservoir Computing for Speckle-Disorder Potentials [0.0]
量子貯水池コンピューティング(Quantum reservoir computing)は、情報を処理するメモリを持つ量子システムのダイナミクスを活用するために設計された機械学習手法である。
この手法はスピンの量子貯水池を用いて導入され、追加の量子系の基底状態エネルギーを求めるために応用される。
この課題は, 貯水池から抽出した可観測量に着目して解析し, 2ビット相関を用いた場合の強化効果を示す。
論文 参考訳（メタデータ） (2022-01-26T18:04:49Z)
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。