論文の概要: Localization of quantum walk with classical randomness: Comparison between manual methods and supervised machine learning

• arxiv url: http://arxiv.org/abs/2304.14348v2
• Date: Wed, 2 Aug 2023 00:10:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-03 17:32:20.472578
• Title: Localization of quantum walk with classical randomness: Comparison between manual methods and supervised machine learning
• Title（参考訳）: 古典的ランダム性をもつ量子ウォークの局所化:手動法と教師あり機械学習の比較
• Authors: Christopher Mastandrea and Chih-Chun Chien
• Abstract要約: 古典的ランダム性によって誘導される量子ウォークの遷移は、ランダムパラメータが臨界値を超えると、ウォーカーの確率分布を2つのピーク構造から1つのピーク構造に変更する。 まず,ランダムな回転や翻訳の存在下での局所化の一般化を示す。 比較として,支援ベクトルマシン,多層パーセプトロンニューラルネットワーク,畳み込みニューラルネットワークの3つの教師付き機械学習手法を実装した。
• 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: A transition of quantum walk induced by classical randomness changes the probability distribution of the walker from a two-peak structure to a single-peak one when the random parameter exceeds a critical value. We first establish the generality of the localization by showing its emergence in the presence of random rotation or translation. The transition point can be located manually by examining the probability distribution, momentum of inertia, and inverse participation ratio. As a comparison, we implement three supervised machine learning methods, the support vector machine, multi-layer perceptron neural network, and convolutional neural network with the same data and show that they can identify the transition and produce comparable exponents of the localization except for the case with random translation, where the two neural-network methods tend to underestimate the exponent due to the complicated probability distributions in the transition regime. Our work illustrates potentials and challenges facing machine learning of physical systems with mixed quantum and classical probabilities.
• Abstract（参考訳）: 古典的ランダム性によって誘導される量子ウォークの遷移は、ランダムパラメータが臨界値を超えると、ウォーカーの確率分布を2ピーク構造から1ピーク構造に変更する。 まず,ランダムな回転や翻訳の存在下での出現を示すことにより,局所化の一般性を確立する。 遷移点は、確率分布、慣性運動量、逆参加比を調べることで手動で位置決めすることができる。 比較として,3つの教師付き機械学習手法,サポートベクターマシン,多層パーセプトロンニューラルネットワーク,および畳み込みニューラルネットワークを同一データで実装し,その遷移を識別し,ランダム翻訳の場合を除き,局所化の同等の指数を生成できることを示し,この2つのニューラルネット手法は遷移状態の複雑な確率分布から指数を過小評価する傾向がある。 我々の研究は、量子と古典の混合確率を持つ物理システムの機械学習に直面する可能性と課題を示している。

関連論文リスト

• Hierarchical Learning for Quantum ML: Novel Training Technique for Large-Scale Variational Quantum Circuits [0.6906005491572401]
  階層学習は、大規模変動量子回路の効率的なトレーニングのための新しい変分アーキテクチャである。 最重要な(量子)ビットが最終分布により大きな影響を与え、まず学習できることが示される。 これは、多数の量子ビット上での変分学習の実用的な実演である。
  論文  参考訳（メタデータ） (2023-11-21T19:00:03Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Mapping of attention mechanisms to a generalized Potts model [50.91742043564049]
  ニューラルネットワークのトレーニングは、いわゆる擬似様相法によって逆ポッツ問題を解くのと全く同じであることを示す。 また、レプリカ法を用いてモデルシナリオにおける自己意図の一般化誤差を解析的に計算する。
  論文  参考訳（メタデータ） (2023-04-14T16:32:56Z)
• Deep learning of spatial densities in inhomogeneous correlated quantum systems [0.0]
  ランダムポテンシャルに基づいてトレーニングされた畳み込みニューラルネットワークを用いて,密度の予測が可能であることを示す。 我々は,不均一な状況下での干渉と相互作用の相互作用と相転移を伴うモデルの挙動をうまく扱えることを示す。
  論文  参考訳（メタデータ） (2022-11-16T17:10:07Z)
• Observation of entanglement negativity transition of pseudo-random mixed states [23.43987389179338]
  マルチパーティ・エンタングルメントは量子計算の鍵となる資源である。 本稿では, 完全に接続された20量子ビット超伝導プロセッサを用いて, 負性により量子化された絡み合い遷移の観測を報告する。 我々のシミュレーターは、ランダムな状態を生成し、多部量子系の絡み合い構造を理解する強力なツールを提供する。
  論文  参考訳（メタデータ） (2022-08-29T02:56:05Z)
• Dual Lottery Ticket Hypothesis [71.95937879869334]
  Lottery Ticket hypothesis (LTH)は、スパースネットワークトレーニングを調査し、その能力を維持するための新しい視点を提供する。 本稿では,LTHの当選チケットをトレーニング可能なサブネットワークとして,その性能をベンチマークとして検討する。 本稿では,簡単なスパースネットワークトレーニング戦略であるランダムスパースネットワークトランスフォーメーション(RST)を提案し,DLTHを裏付ける。
  論文  参考訳（メタデータ） (2022-03-08T18:06:26Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• Generative Quantum Learning of Joint Probability Distribution Functions [1.221966660783828]
  我々はコプラをモデル化するための量子機械学習アルゴリズムを設計する。 任意のコプラを最大交絡状態に自然にマッピングできることが示される。 変分 ansatz を qopula' として定義すると、変数間の任意の相関が生成される。
  論文  参考訳（メタデータ） (2021-09-13T20:50:15Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Neuromorphic quantum computing [0.0]
  我々はニューロモルフィックコンピューティングが量子演算を実行できることを提案する。 ニューラルネットワーク力学のパラメータの変化として量子ゲートを学習できる2量子ビットシステムについて述べる。
  論文  参考訳（メタデータ） (2020-05-04T14:46:48Z)
• Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
  グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。 この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。 我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
  論文  参考訳（メタデータ） (2020-01-15T18:36:53Z)

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。