論文の概要: Quantumness and Learning Performance in Reservoir Computing with a Single Oscillator

• arxiv url: http://arxiv.org/abs/2304.03462v2
• Date: Sat, 16 Mar 2024 17:01:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 06:38:27.361005
• Title: Quantumness and Learning Performance in Reservoir Computing with a Single Oscillator
• Title（参考訳）: 単一振動子を用いた貯留層計算における量子性と学習性能
• Authors: Arsalan Motamedi, Hadi Zadeh-Haghighi, Christoph Simon,
• Abstract要約: 量子非線形モデルは、古典的非線形発振器と比較して学習性能においてより効果的であることを示す。 量子性と性能の関係を,幅広い初期状態を用いて検討する。
• 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 explore the power of reservoir computing with a single oscillator in learning time series using quantum and classical models. We demonstrate that this scheme learns the Mackey--Glass (MG) chaotic time series, a solution to a delay differential equation. Our results suggest that the quantum nonlinear model is more effective in terms of learning performance compared to a classical non-linear oscillator. We develop approaches for measuring the quantumness of the reservoir during the process, proving that Lee-Jeong's measure of macroscopicity is a non-classicality measure. We note that the evaluation of the Lee-Jeong measure is computationally more efficient than the Wigner negativity. Exploring the relationship between quantumness and performance by examining a broad range of initial states and varying hyperparameters, we observe that quantumness in some cases improves the learning performance. However, our investigation reveals that an indiscriminate increase in quantumness does not consistently lead to improved outcomes, necessitating caution in its application. We discuss this phenomenon and attempt to identify conditions under which a high quantumness results in improved performance.
• Abstract（参考訳）: 量子モデルと古典モデルを用いた学習時系列における単一発振器を用いた貯水池計算のパワーについて検討する。 このスキームは遅延微分方程式の解であるマッキーグラスカオス時系列(MG)を学習することを示した。 本結果は,古典的非線形発振器と比較して,量子非線形モデルの方が学習性能に優れたことを示唆している。 プロセス中の貯水池の量子度を測定するためのアプローチを開発し、Lee-Jeongのマクロ度測定が非古典性測定であることを示した。 We note that the evaluation of the Lee-Jeong measure is calculatedly more efficient than the Wigner negativity。 幅広い初期状態と様々なハイパーパラメータを用いて量子性と性能の関係を探索し、量子性が学習性能を向上させることを観察する。 しかし、本研究では、量子性の無差別な増加は、その応用に注意を要する結果をもたらすものではないことを明らかにしている。 我々はこの現象を議論し、高い量子性によって性能が向上する条件を特定しようとする。

関連論文リスト

• Entanglement-induced provable and robust quantum learning advantages [0.0]
  我々は、表現性、推論速度、トレーニング効率の観点から、ノイズロストで無条件の量子学習の利点を厳格に確立する。 我々の証明は情報理論であり、この優位性の起源を示唆している。
  論文  参考訳（メタデータ） (2024-10-04T02:39:07Z)
• 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)
• 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)
• 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)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Experimental violations of Leggett-Garg's inequalities on a quantum computer [77.34726150561087]
  単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。 本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
  論文  参考訳（メタデータ） (2021-09-06T14:35:15Z)
• 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)
• The Reservoir Learning Power across Quantum Many-Boby Localization Transition [27.693120770022198]
  一次元の長距離ランダム結合量子スピン鎖の学習力について検討する。 時系列学習タスクでは、量子多体ローカライズド(MBL)フェーズのシステムは長期記憶を保持する。 MBL-ergodic遷移付近で最適学習性能が得られた。
  論文  参考訳（メタデータ） (2021-04-06T18:00:06Z)
• Quantum Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
  論文は、非平衡状態における強相関量子系の量子力学に関するものである。 本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
  論文  参考訳（メタデータ） (2020-07-23T19:05:56Z)
• 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)

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。