論文の概要: Observing Schr\"odinger's Cat with Artificial Intelligence: Emergent Classicality from Information Bottleneck

• arxiv url: http://arxiv.org/abs/2306.14838v2
• Date: Fri, 14 Jul 2023 01:05:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-17 16:30:39.080613
• Title: Observing Schr\"odinger's Cat with Artificial Intelligence: Emergent Classicality from Information Bottleneck
• Title（参考訳）: Schr\"odinger's cat with Artificial Intelligence: Emergent Classicality from Information Bottleneck
• Authors: Zhelun Zhang, Yi-Zhuang You
• Abstract要約: 我々はSchr"odingerの猫量子状態から収集したランダム化局所測定データに基づいて生成言語モデルを訓練する。 量子システムのサイズと、古典的知的エージェントの情報処理能力の両方の観点から、量子古典境界を同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We train a generative language model on the randomized local measurement data collected from Schr\"odinger's cat quantum state. We demonstrate that the classical reality emerges in the language model due to the information bottleneck: although our training data contains the full quantum information about Schr\"odinger's cat, a weak language model can only learn to capture the classical reality of the cat from the data. We identify the quantum-classical boundary in terms of both the size of the quantum system and the information processing power of the classical intelligent agent, which indicates that a stronger agent can realize more quantum nature in the environmental noise surrounding the quantum system. Our approach opens up a new avenue for using the big data generated on noisy intermediate-scale quantum (NISQ) devices to train generative models for representation learning of quantum operators, which might be a step toward our ultimate goal of creating an artificial intelligence quantum physicist.
• Abstract（参考訳）: 我々はSchr\"odingerの猫量子状態から収集したランダムな局所測定データに基づいて生成言語モデルを訓練する。 私たちのトレーニングデータには、Schr\"odinger's catに関する完全な量子情報が含まれていますが、弱い言語モデルは、データから猫の古典的な現実を捉えることしか学べません。 量子古典的境界を量子系の大きさと古典知的エージェントの情報処理能力の両方の観点から同定し、より強力なエージェントが量子系を取り巻く環境雑音においてより量子的性質を実現できることを示す。 我々のアプローチは、ノイズの多い中間スケール量子(NISQ)デバイスで生成されたビッグデータを使用して、量子演算子の表現学習のための生成モデルを訓練するための新たな道を開く。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• 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)
• MNISQ: A Large-Scale Quantum Circuit Dataset for Machine Learning on/for Quantum Computers in the NISQ era [2.652805765181667]
  MNISQは9つのサブデータセットから構成される4,950,000のデータポイントで構成されている。 我々は、量子形式、回路として、古典形式、量子回路記述として、データセットを二重形式で提供します。 量子カーネル法を用いて回路データセットを検証し,97%の精度で優れた結果を得た。
  論文  参考訳（メタデータ） (2023-06-29T02:04:14Z)
• Re-QGAN: an optimized adversarial quantum circuit learning framework [0.0]
  生成モデルの枠組みとして実ヒルベルト空間を用いる量子生成逆ネットワーク設計を提案する。 ステレオ投影法により古典情報をエンコードし,正規化手順を使わずに古典的領域全体を利用できるようにする。 このアーキテクチャは、浅い深さの量子回路を維持しながら、最先端の量子生成対向性能を向上させる。
  論文  参考訳（メタデータ） (2022-08-03T15:52:27Z)
• Scalable Simulation of Quantum Measurement Process with Quantum Computers [13.14263204660076]
  量子計測過程をエミュレートする量子ビットモデルを提案する。 1つのモデルは単一光子検出によって動機付けされ、もう1つはスピン測定によって動機付けされる。 我々はSchr"odinger cat-like状態を生成し、それに対応する量子回路を明示的に示す。
  論文  参考訳（メタデータ） (2022-06-28T14:21:43Z)
• Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
  本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。 鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。 Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T09:42:37Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)
• Quantum information spreading in a disordered quantum walk [50.591267188664666]
  量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。 我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。 以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
  論文  参考訳（メタデータ） (2020-10-20T20:03:19Z)

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。