論文の概要: Deep Ising Born Machine

• arxiv url: http://arxiv.org/abs/2304.03606v1
• Date: Fri, 7 Apr 2023 12:02:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 12:05:51.957465
• Title: Deep Ising Born Machine
• Title（参考訳）: Deep Ising Born Machine(英語)
• Authors: Zhu Cao
• Abstract要約: 量子ニューラルネットワーク(QNN)は、量子データのパターンを見つける方法である。 効率性と普遍性はQNNの2つの望ましい性質であるが、残念ながら矛盾している。 深層Ising Born Machine (DIBoM) は効率と普遍性とのバランスが良好であることを示す。
• 参考スコア（独自算出の注目度）: 1.3706331473063877
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A quantum neural network (QNN) is a method to find patterns in quantum data and has a wide range of applications including quantum chemistry, quantum computation, quantum metrology, and quantum simulation. Efficiency and universality are two desirable properties of a QNN but are unfortunately contradictory. In this work, we examine a deep Ising Born machine (DIBoM), and show it has a good balance between efficiency and universality. More precisely, the DIBoM has a flexible number of parameters to be efficient, and achieves provable universality with sufficient parameters. The architecture of the DIBoM is based on generalized controlled-Z gates, conditional gates, and some other ingredients. To compare the universality of the DIBoM with other QNNs, we propose a fidelity-based expressivity measure, which may be of independent interest. Extensive empirical evaluations corroborate that the DIBoM is both efficient and expressive.
• Abstract（参考訳）: 量子ニューラルネットワーク (quantum neural network, qnn) は、量子データのパターンを見つける手法であり、量子化学、量子計算、量子メトロロジー、量子シミュレーションなど幅広い応用がある。 効率性と普遍性はqnnの2つの望ましい性質であるが、残念ながら矛盾する。 本研究では, 深度Ising Born Machine (DIBoM) について検討し, 効率性と普遍性とのバランスが良好であることを示す。 より正確には、DIBoMは効率的なパラメータの柔軟な数を持ち、十分なパラメータで証明可能な普遍性を達成する。 dibomのアーキテクチャは、一般化された制御されたzゲート、条件ゲート、その他の要素に基づいている。 また,DIBoMと他のQNNの普遍性を比較するために,独立性のある忠実度に基づく表現度尺度を提案する。 大規模な経験的評価は、DIBoMは効率的かつ表現力が高いことを裏付ける。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Variational-quantum-eigensolver-inspired optimization for spin-chain work extraction [39.58317527488534]
  量子源からのエネルギー抽出は、量子電池のような新しい量子デバイスを開発するための重要なタスクである。 量子源からエネルギーを完全に抽出する主な問題は、任意のユニタリ演算をシステム上で行うことができるという仮定である。 本稿では,変分量子固有解法(VQE)アルゴリズムにインスパイアされた抽出可能エネルギーの最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T15:59:54Z)
• Applicability of Measurement-based Quantum Computation towards Physically-driven Variational Quantum Eigensolver [17.975555487972166]
  変分量子アルゴリズムは、短期量子の利点を得る最も有望な方法の1つである。 測定に基づく量子計算方式で量子アルゴリズムを開発するための障害は、リソースコストである。 量子多体系シミュレーションタスクのための効率的な測定ベース量子アルゴリズム(MBHVA)を提案する。
  論文  参考訳（メタデータ） (2023-07-19T08:07:53Z)
• Evaluating the performance of sigmoid quantum perceptrons in quantum neural networks [0.0]
  量子機械学習のための有望なアーキテクチャとして量子ニューラルネットワーク(QNN)が提案されている。 1つの候補は古典的パーセプトロンの非線形活性化関数をエミュレートするために設計された量子パーセプトロンである。 本稿では,SQPネットワークの性能と性能を,その有効次元と有効容量の計算によって評価する。
  論文  参考訳（メタデータ） (2022-08-12T10:08:11Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• A universal duplication-free quantum neural network [0.8399688944263843]
  複数の状態複製を必要としない新しいQNNモデルを提案する。 我々のモデルでは、量子ビットが大幅に少なくなり、精度と相対誤差の点で他の2つよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-24T17:45:03Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Solving Quantum Master Equations with Deep Quantum Neural Networks [0.0]
  我々は、オープンな量子多体系の混合状態を表現するために、普遍的な量子計算が可能なディープ量子フィードフォワードニューラルネットワークを使用する。 量子ネットワークの特別な構造を所有するこのアプローチは、バレン高原の欠如など、多くの注目すべき特徴を享受している。
  論文  参考訳（メタデータ） (2020-08-12T18:00:08Z)
• 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)

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。