論文の概要: Quantum-enhanced pattern recognition

• arxiv url: http://arxiv.org/abs/2304.05830v1
• Date: Wed, 12 Apr 2023 13:06:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 15:01:28.677474
• Title: Quantum-enhanced pattern recognition
• Title（参考訳）: 量子強調パターン認識
• Authors: Giuseppe Ortolano, Carmine Napoli, Cillian Harney, Stefano Pirandola, Giuseppe Leonetti, Pauline Boucher, Elena Losero, Marco Genovese and Ivano Ruo-Berchera
• Abstract要約: パターン認識の多セル問題において,初めて量子的優位性を示す。 我々は、古典的な資源で達成された分類誤差の量子的優位性を達成するために、絡み合ったプローブ状態と光子計数を用いる。 このことは、複雑な領域内でのボソニックロスの量子化パターン認識の今後の発展を動機付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The challenge of pattern recognition is to invoke a strategy that can accurately extract features of a dataset and classify its samples. In realistic scenarios this dataset may be a physical system from which we want to retrieve information, such as in the readout of optical classical memories. The theoretical and experimental development of quantum reading has demonstrated that the readout of optical memories can be dramatically enhanced through the use of quantum resources (namely entangled input-states) over that of the best classical strategies. However, the practicality of this quantum advantage hinges upon the scalability of quantum reading, and up to now its experimental demonstration has been limited to individual cells. In this work, we demonstrate for the first time quantum advantage in the multi-cell problem of pattern recognition. Through experimental realizations of digits from the MNIST handwritten digit dataset, and the application of advanced classical post-processing, we report the use of entangled probe states and photon-counting to achieve quantum advantage in classification error over that achieved with classical resources, confirming that the advantage gained through quantum sensors can be sustained throughout pattern recognition and complex post-processing. This motivates future developments of quantum-enhanced pattern recognition of bosonic-loss within complex domains.
• Abstract（参考訳）: パターン認識の課題は、データセットの特徴を正確に抽出し、そのサンプルを分類できる戦略を実行することである。 現実的なシナリオでは、このデータセットは、光学古典記憶の読み出しのような情報を取得したい物理システムであるかもしれない。 量子読み取りの理論的および実験的発展により、光学記憶の読み出しは、古典的戦略よりも量子資源(すなわち、絡み合った入力状態)を使用することによって劇的に向上することを示した。 しかし、この量子アドバンテージの実用性は量子読み取りのスケーラビリティにかかっており、実験的な実証は個々の細胞に限定されている。 本研究では,パターン認識の多セル問題において,初めて量子的優位性を示す。 MNIST手書き桁データセットからの桁の実験的実現と、高度な古典的後処理の適用により、古典的資源で達成された分類誤差の量子的優位性を達成するために、絡み合ったプローブ状態と光子計を用いて、パターン認識や複雑な後処理を通じて量子センサによる利点が持続できることを確認する。 これは、複素領域内のボソニックロスの量子エンハンスパターン認識の将来の発展を動機付ける。

関連論文リスト

• 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)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• 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)
• Optimal storage capacity of quantum Hopfield neural networks [0.0]
  多数のパターンで量子連想記憶を解析することは、難しいオープンな問題である。 本稿では,量子ニューラルネットワークモデルにおける最大記憶容量の評価方法を提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:21:21Z)
• Classical surrogates for quantum learning models [0.7734726150561088]
  本稿では,訓練された量子学習モデルから効率的に得られる古典的モデルである古典的サロゲートの概念を紹介する。 我々は、よく解析された再アップロードモデルの大規模なクラスが古典的なサロゲートを持つことを示す。
  論文  参考訳（メタデータ） (2022-06-23T14:37:02Z)
• Quantum generative adversarial learning for simultaneous multiparameter estimation [7.6333322023084955]
  本稿では,適応的フィードバックによる量子生成対向学習の実証実験を報告する。 その結果, 有害ノイズの存在下においても, 量子生成逆学習の興味深い利点が示唆された。
  論文  参考訳（メタデータ） (2022-05-26T17:16:03Z)
• Ultimate Limits of Thermal Pattern Recognition [0.0]
  本研究では,環境ローカライゼーションの課題として,同じ透過率を持つガウス相不感チャネルのアンサンブルとして熱像をモデル化する。 量子強化戦略は、既知の最適古典的戦略に対して有意な量子優位性を与えるために用いられる可能性がある。
  論文  参考訳（メタデータ） (2020-10-21T09:33:20Z)
• Quantum information spreading in a disordered quantum walk [50.591267188664666]
  量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。 我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。 以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
  論文  参考訳（メタデータ） (2020-10-20T20:03:19Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。