論文の概要: Quantum learning machines

• arxiv url: http://arxiv.org/abs/2305.07801v1
• Date: Fri, 12 May 2023 23:38:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 19:36:55.186456
• Title: Quantum learning machines
• Title（参考訳）: 量子学習マシン
• Authors: G J Milburn
• Abstract要約: 古典的あるいは量子的な物理学習機械は、必ずしも散逸するシステムである。 古典的な場合、エネルギーは熱として放散される。 量子学習機械では、何を学ぶかは測定そのものの性質によって定義される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical learning machines, be they classical or quantum, are necessarily dissipative systems. The rate of energy dissipation decreases as the learning error rate decreases linking thermodynamic efficiency and learning efficiency. In the classical case the energy is dissipated as heat. We give an example based on a quantum optical perceptron where the energy is dissipated as spontaneous emission. At optical frequencies the temperature is effectively zero so this perceptron is as efficient as it is possible to get. The example illustrates a general point: In a classical learning machine, measurement is taken to reveal objective facts about the world. In quantum learning machines what is learned is defined by the nature of the measurement itself.
• Abstract（参考訳）: 古典的あるいは量子的な物理学習機械は、必ずしも散逸するシステムである。 学習誤差率は熱力学的効率と学習効率のリンクを減少させるため、エネルギー散逸の割合は減少する。 古典的な場合、エネルギーは熱として散逸する。 我々は、エネルギーが自発的放出として散逸する量子光学パーセプトロンに基づく例を示す。 光周波数では、温度は事実上ゼロであるため、このパーセプトロンは可能な限り効率的である。 古典的な学習マシンでは、世界に関する客観的な事実を明らかにするために測定が行われます。 量子学習マシンでは、学習されるものは測定そのものの性質によって定義される。

関連論文リスト

• Quantum Thermodynamics [0.0]
  量子熱力学の理論は、熱、仕事、温度の概念が量子領域にどのように受け継がれるかを研究する。 講義ノートは、小さな量子系の熱力学の紹介を提供する。
  論文  参考訳（メタデータ） (2024-06-27T14:28:35Z)
• Quantum Thermodynamics of Small Systems: The Anyonic Otto Engine [0.0]
  我々は、量子オットーエンジンをワーキング媒体として1つまたは2つのオンのみを使用する量子オットーエンジンに特に重点を置いて、任意のオンの小さな系の量子熱力学を研究する。
  論文  参考訳（メタデータ） (2024-01-14T00:09:25Z)
• 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)
• Leveraging Machine Learning to Gain Insights on Quantum Thermodynamic Entropy [0.0]
  本稿では、単一量子粒子を作動流体とする量子エンジンの熱力学解析について述べる。 我々の設計は、古典的なカオスSzilard Mapをモデルとし、測定、熱エネルギー抽出、メモリリセットの熱力学サイクルを含む。
  論文  参考訳（メタデータ） (2023-05-08T18:16:28Z)
• Schr\"odinger cat states of a 16-microgram mechanical oscillator [54.35850218188371]
  重ね合わせ原理は量子力学の最も基本的な原理の1つである。 そこで本研究では,Schr"odinger cat state of motionにおいて,有効質量16.2マイクログラムの機械共振器を作製した。 重ね合わせの大きさと位相の制御を示し、これらの状態のデコヒーレンスダイナミクスについて検討する。
  論文  参考訳（メタデータ） (2022-11-01T13:29:44Z)
• The Physics of Learning [0.0]
  学習機械は、他の機械と同様に、低いエントロピーのエネルギー源にアクセスすることによって熱平衡から遠ざかるオープンシステムである。 エラーの確率が低く学習するマシン間の接続と、古典機械と量子機械の両方に最適な熱力学資源の使用について論じる。
  論文  参考訳（メタデータ） (2022-09-24T08:12:07Z)
• Demonstrating Quantum Microscopic Reversibility Using Coherent States of Light [58.8645797643406]
  本研究では, 量子系が熱浴と相互作用する際の可視性に関する量子一般化を実験的に提案する。 微視的可逆性の原理に対する量子修正が低温限界において重要であることを検証した。
  論文  参考訳（メタデータ） (2022-05-26T00:25:29Z)
• Correspondence Between the Energy Equipartition Theorem in Classical Mechanics and its Phase-Space Formulation in Quantum Mechanics [62.997667081978825]
  量子力学では、自由度当たりのエネルギーは等しく分布しない。 高温体制下では,古典的な結果が回復することを示す。
  論文  参考訳（メタデータ） (2022-05-24T20:51:03Z)
• About the description of physical reality of Bell's experiment [91.3755431537592]
  ローカルリアリズムの最も単純な形式に対応する隠れ変数モデルが最近導入された。 これは、より理想的なベルの実験のための量子力学の予測を再現する。 新しいタイプの量子コンピュータはまだ存在せず、理論上さえ存在しない。
  論文  参考訳（メタデータ） (2021-09-06T15:55:13Z)
• Gauge invariant quantum thermodynamics: consequences for the first law [0.0]
  情報理論は熱力学関数の同定において重要な役割を果たしている。 熱力学の背後にある粗粒化の緩やかな変種をエンコードする物理的動機付けゲージ変換を明示的に構築する。 その結果、量子的仕事と熱、および量子コヒーレンスの役割を再解釈する。
  論文  参考訳（メタデータ） (2021-04-20T17:53:16Z)
• Taking the temperature of a pure quantum state [55.41644538483948]
  温度は一見単純な概念で、量子物理学研究の最前線ではまだ深い疑問が浮かび上がっています。 本稿では,量子干渉による純状態の温度測定手法を提案する。
  論文  参考訳（メタデータ） (2021-03-30T18:18:37Z)

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。