論文の概要: A hybrid quantum-classical approach for inference on restricted Boltzmann machines

• arxiv url: http://arxiv.org/abs/2304.12418v1
• Date: Fri, 31 Mar 2023 11:10:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-30 07:28:23.195809
• Title: A hybrid quantum-classical approach for inference on restricted Boltzmann machines
• Title（参考訳）: 制限ボルツマンマシン上での推論に対するハイブリッド量子古典的アプローチ
• Authors: M\=arti\c{n}\v{s} K\=alis, Andris Loc\=ans, Rolands \v{S}ikovs, Hassan Naseri, Andris Ambainis
• Abstract要約: ボルツマンマシンは多くの実世界のアプリケーションを持つ強力な機械学習モデルである。 ボルツマンマシンの統計的推測はその後部分布からサンプリングすることで行うことができる。 量子コンピュータは、いくつかの非自明な問題を効率的に解くことを約束している。
• 参考スコア（独自算出の注目度）: 1.0928470926399563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Boltzmann machine is a powerful machine learning model with many real-world applications, for example by constructing deep belief networks. Statistical inference on a Boltzmann machine can be carried out by sampling from its posterior distribution. However, uniform sampling from such a model is not trivial due to an extremely multi-modal distribution. Quantum computers have the promise of solving some non-trivial problems in an efficient manner. We explored the application of a D-Wave quantum annealer to generate samples from a restricted Boltzmann machine. The samples are further improved by Markov chains in a hybrid quantum-classical setup. We demonstrated that quantum annealer samples can improve the performance of Gibbs sampling compared to random initialization. The hybrid setup is considerably more efficient than a pure classical sampling. We also investigated the impact of annealing parameters (temperature) to improve the quality of samples. By increasing the amount of classical processing (Gibbs updates) the benefit of quantum annealing vanishes, which may be justified by the limited performance of today's quantum computers compared to classical.
• Abstract（参考訳）: boltzmann machineは、例えば深層信念ネットワークを構築するなど、多くの現実のアプリケーションを持つ強力な機械学習モデルである。 ボルツマンマシンの統計的推論は、その後方分布からサンプリングすることで行うことができる。 しかし、そのようなモデルからの一様サンプリングは、非常に多モード分布のため自明ではない。 量子コンピュータは、いくつかの非自明な問題を効率的に解くことを約束する。 制限されたボルツマンマシンからサンプルを生成するためのd波量子アニーラの応用について検討した。 サンプルは、ハイブリッド量子古典的な構成でマルコフ連鎖によってさらに改善される。 量子アニール試料は, ランダム初期化と比較して, ギブスサンプリングの性能が向上することを示した。 ハイブリッドなセットアップは、純粋なクラシックサンプリングよりもかなり効率的である。 また,アニールパラメータ(温度)が試料の品質に及ぼす影響についても検討した。 古典的処理量を増やす(ギブス更新)ことにより、量子アニーリングの利点は消滅し、これは今日の量子コンピュータの性能が古典的コンピュータに比べて限られていることから正当化される。

関連論文リスト

• Non-native Quantum Generative Optimization with Adversarial Autoencoders [34.82692226532414]
  本稿では、大規模最適化問題を既存の量子サンプリングにマッピングするために使用できる逆量子オートエンコーダモデル(AQAM)を紹介する。 従来のマルコフ・チェインモンテカルロ試料と比較すると,AQAMはレニイ偏差が低く,スペクトルギャップが大きくなることが示されている。
  論文  参考訳（メタデータ） (2024-07-18T18:03:18Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
  反復Denoising Energy Matching (iDEM) iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。 提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
  論文  参考訳（メタデータ） (2024-02-09T01:11:23Z)
• Quantum-Noise-Driven Generative Diffusion Models [1.6385815610837167]
  実量子システムで実験的に検証できる3つの量子ノイズ駆動生成拡散モデルを提案する。 アイデアは、特にコヒーレンス、絡み合い、ノイズの間の非自明な相互作用を、ユニークな量子的特徴を活用することである。 我々の結果は、新しい量子インスパイアされた、あるいは量子ベースの生成拡散アルゴリズムの道を開くことが期待されている。
  論文  参考訳（メタデータ） (2023-08-23T09:09:32Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Quantum Boltzmann Machines: Applications in Quantitative Finance [0.0]
  D-Wave Advantage 4.1 quantum annealer to sample from quantum Boltzmann distributions and train quantum Boltzmann machines (QBMs)。 以上の結果から,Advantage 4.1を用いてトレーニングしたQBMは,シミュレーションを用いてトレーニングしたQBMよりもノイズが大きいことが示唆された。 将来の世代アニールが望まれる理論分布に近いサンプルを生成することができれば、QBMは古典的RBMを上回る可能性がある。
  論文  参考訳（メタデータ） (2023-01-30T21:25:14Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Quantum-enhanced Markov chain Monte Carlo [0.22166578153935784]
  いくつかのアプリケーションにおいてボトルネックとなる分布のサンプリングに量子アルゴリズムを導入する。 それぞれのステップで、量子プロセッサは重ね合わせのモデルを探索し、ランダムな動きを提案し、古典的なコンピュータで受け入れられるか拒否される。 この量子アルゴリズムは、関連する問題インスタンス上の典型的なMCMC代替よりも少ないイテレーションで収束する。
  論文  参考訳（メタデータ） (2022-03-23T15:50:12Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Assessment of image generation by quantum annealer [0.0]
  量子アニールは、イジングスピングラス問題の高速サンプリングとしても機能する。 本研究では,生成モデルとしての量子アニールの性能に着目した。
  論文  参考訳（メタデータ） (2021-03-15T13:24:05Z)
• Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs. Coded Systems [69.33243249411113]
  パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。 我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
  論文  参考訳（メタデータ） (2020-12-15T15:51:27Z)

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。