論文の概要: Quantum Surrogate Modeling for Chemical and Pharmaceutical Development

• arxiv url: http://arxiv.org/abs/2306.05042v1
• Date: Thu, 8 Jun 2023 08:49:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 15:26:09.083810
• Title: Quantum Surrogate Modeling for Chemical and Pharmaceutical Development
• Title（参考訳）: 化学・医薬品開発のための量子サロゲートモデリング
• Authors: Jonas Stein, Michael Poppel, Philip Adamczyk, Ramona Fabry, Zixin Wu, Michael K\"olle, Jonas N\"u{\ss}lein, Dani\"elle Schuman, Philipp Altmann, Thomas Ehmer, Vijay Narasimhan, Claudia Linnhoff-Popien
• Abstract要約: 化学・医薬品産業における開発の中心的な問題は、サロゲート機能を評価するために安価にモデル化することである。 量子ニューラルネットワーク(QNN)がこの問題に対して特に有望なアプローチを提供することを示す。 我々のコントリビューションは、QNNを高次元でリアルなデータに基づく代理モデルとして活用する最初のアプリケーションである。
• 参考スコア（独自算出の注目度）: 3.8619238008522223
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A central problem of development in chemical and pharmaceutical industries is modelling a cheap to evaluate surrogate function, that approximates a given black box function sufficiently well. As state-of-the-art methods from classical machine learning struggle to solve this problem accurately for the typically scarce and noisy datasets in practical applications, investigating novel approaches is of great interest to chemical companies worldwide. We demonstrate that quantum neural networks (QNNs) offer a particularly promising approach to this issue and experimentally support recent theoretical findings indicating their potential to outperform classical equivalents in training on small datasets and noisy data. Our contribution displays the first application centered exploration of using QNNs as surrogate models on higher dimensional, realistic data. In extensive experiments, our QNN significantly outperforms a minimalist classical artificial neural network on noisy and scarce data, displaying a possible advantage of quantum surrogate models empirically. Finally, we demonstrate the performance of current NISQ hardware experimentally and estimate the gate fidelities necessary to replicate our simulation results.
• Abstract（参考訳）: 化学薬品産業の発展における中心的な問題は、所定のブラックボックス機能に十分よく近似するサーロゲート機能を評価するための安価さをモデル化することである。 古典的な機械学習の最先端の手法は、現実的な応用における希少でノイズの多いデータセットに対して、この問題を正確に解くのに苦労している。 量子ニューラルネットワーク (qnns) はこの問題に対して特に有望なアプローチを提供しており、小規模データセットやノイズデータでのトレーニングにおいて、古典的等価性を上回る可能性を示す最近の理論的知見を実験的に支持している。 我々のコントリビューションは、QNNを高次元でリアルなデータに基づく代理モデルとして活用する最初のアプリケーションである。 大規模な実験では、QNNはノイズや不足データに対して、最小限の古典的ニューラルネットワークよりも優れており、量子サロゲートモデルの利点を実証的に示すことができる。 最後に,現在のNISQハードウェアの性能を実験的に実証し,シミュレーション結果の再現に必要なゲート特性を推定する。

関連論文リスト

• Learning Density Functionals from Noisy Quantum Data [0.0]
  ノイズの多い中間スケール量子(NISQ)デバイスは、機械学習(ML)モデルのトレーニングデータを生成するために使用される。 NISQアルゴリズムの典型的なノイズを受ける小さなデータセットからニューラルネットワークMLモデルをうまく一般化できることを示す。 本研究は,NISQデバイスを実用量子シミュレーションに活用するための有望な経路であることを示唆する。
  論文  参考訳（メタデータ） (2024-09-04T17:59:55Z)
• Coherent Feed Forward Quantum Neural Network [2.1178416840822027]
  量子ニューラルネットワーク(QNN)に焦点をあてた量子機械学習は、いまだに膨大な研究分野である。 適応可能な中間層とノードの観点から,従来のFFNNの汎用性とシームレスに整合するボナフェイドQNNモデルを提案する。 本研究では,診断乳がん(Wisconsin)やクレジットカード不正検出データセットなど,さまざまなベンチマークデータセットを用いて提案モデルを検証した。
  論文  参考訳（メタデータ） (2024-02-01T15:13:26Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• 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)
• 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)
• Binary classifiers for noisy datasets: a comparative study of existing quantum machine learning frameworks and some new approaches [0.0]
  バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。 ノイズの多いデータセットは 財務的なデータセットの中にあります 新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
  論文  参考訳（メタデータ） (2021-11-05T10:29:05Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• The dilemma of quantum neural networks [63.82713636522488]
  量子ニューラルネットワーク(QNN)は、古典的な学習モデルに対して何の恩恵も与えないことを示す。 QNNは、現実世界のデータセットの一般化が不十分な、極めて限られた有効モデル能力に悩まされている。 これらの結果から、現在のQNNの役割を再考し、量子的優位性で現実の問題を解決するための新しいプロトコルを設計せざるを得ない。
  論文  参考訳（メタデータ） (2021-06-09T10:41:47Z)
• Quantum Self-Supervised Learning [22.953284192004034]
  対照的自己監督学習のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 ibmq_paris量子コンピュータ上の見えない画像を分類するために、最良の量子モデルを適用します。
  論文  参考訳（メタデータ） (2021-03-26T18:00:00Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)

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。