論文の概要: Hybrid quantum learning with data re-uploading on a small-scale
superconducting quantum simulator
- arxiv url: http://arxiv.org/abs/2305.02956v2
- Date: Wed, 10 Jan 2024 08:25:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 17:56:03.847418
- Title: Hybrid quantum learning with data re-uploading on a small-scale
superconducting quantum simulator
- Title(参考訳): 小型超伝導量子シミュレータにおけるデータ再アップロードによるハイブリッド量子学習
- Authors: Aleksei Tolstobrov, Gleb Fedorov, Shtefan Sanduleanu, Shamil
Kadyrmetov, Andrei Vasenin, Aleksey Bolgar, Daria Kalacheva, Viktor Lubsanov,
Aleksandr Dorogov, Julia Zotova, Peter Shlykov, Aleksei Dmitriev, Konstantin
Tikhonov, Oleg V. Astafiev
- Abstract要約: スーパーバイザード量子学習(Supervised quantum learning)は、変分量子アルゴリズムと古典的な機械学習の間の創発的な多分野のドメインブリッジである。
簡単なバイナリとマルチラベルのタスクで量子回路をトレーニングし、95%の分類精度を達成し、手書き十進数認識時に90%の精度でデータを再アップロードするハイブリッドモデルを構築した。
- 参考スコア(独自算出の注目度): 29.81784450632149
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Supervised quantum learning is an emergent multidisciplinary domain bridging
between variational quantum algorithms and classical machine learning. Here, we
study experimentally a hybrid classifier model accelerated by a quantum
simulator - a linear array of four superconducting transmon artificial atoms -
trained to solve multilabel classification and image recognition problems. We
train a quantum circuit on simple binary and multi-label tasks, achieving
classification accuracy around 95%, and a hybrid model with data re-uploading
with accuracy around 90% when recognizing handwritten decimal digits. Finally,
we analyze the inference time in experimental conditions and compare the
performance of the studied quantum model with known classical solutions.
- Abstract(参考訳): スーパーバイザード量子学習(Supervised quantum learning)は、変分量子アルゴリズムと古典的機械学習の中間領域である。
本稿では, 量子シミュレータにより加速されるハイブリッド分類器モデルを実験的に検討し, マルチラベル分類と画像認識の問題を解くために訓練された4つの超伝導トランスモン人工原子の線形配列について検討した。
簡単なバイナリとマルチラベルのタスクで量子回路をトレーニングし、95%の分類精度を達成し、手書き十進数認識時に90%の精度でデータを再アップロードするハイブリッドモデルを構築した。
最後に, 実験条件下での推論時間を解析し, 量子モデルの性能を既知の古典解と比較する。
関連論文リスト
- Enhancing variational Monte Carlo using a programmable quantum simulator [0.3078264203938486]
本研究では, 量子物質のシリカシミュレーションにおいて, 射影測定データを用いることが可能であることを示す。
我々はデータ強化型変分モンテカルロを用いて、リカレントニューラルネットワークに基づいて強力な自己回帰波動関数アンゼを訓練する。
我々の研究は、量子多体系の大規模シミュレーションのためのハイブリッド量子-古典的アプローチの可能性を強調している。
論文 参考訳(メタデータ) (2023-08-04T18:08:49Z) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Quantum emulation of the transient dynamics in the multistate
Landau-Zener model [50.591267188664666]
本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。
我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
論文 参考訳(メタデータ) (2022-11-26T15:04:11Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Analog quantum variational embedding classifier [8.445680783099196]
アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。
性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。
提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
論文 参考訳(メタデータ) (2022-11-04T20:58:48Z) - Time-Optimal Quantum Driving by Variational Circuit Learning [2.9582851733261286]
ディジタル量子シミュレーションとハイブリッド回路学習は、量子最適制御の新しい可能性を開く。
有限個の量子ビットを持つ量子デバイス上で、捕捉された量子粒子の波束展開をシミュレートする。
本手法の誤差に対する堅牢性について考察し,回路にバレンプラトーが存在しないことを示す。
論文 参考訳(メタデータ) (2022-11-01T11:53:49Z) - Multiclass classification using quantum convolutional neural networks
with hybrid quantum-classical learning [0.5999777817331318]
本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。
提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。
この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
論文 参考訳(メタデータ) (2022-03-29T09:07:18Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳(メタデータ) (2021-12-10T17:32:15Z) - Comparing concepts of quantum and classical neural network models for
image classification task [0.456877715768796]
本資料は、ハイブリッド量子古典ニューラルネットワークのトレーニングと性能に関する実験結果を含む。
シミュレーションは時間を要するが、量子ネットワークは時間を要するが、古典的なネットワークを克服する。
論文 参考訳(メタデータ) (2021-08-19T18:49:30Z) - 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)
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。