論文の概要: Framework for Learning and Control in the Classical and Quantum Domains

• arxiv url: http://arxiv.org/abs/2307.04256v2
• Date: Mon, 11 Mar 2024 23:25:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 02:05:50.039306
• Title: Framework for Learning and Control in the Classical and Quantum Domains
• Title（参考訳）: 古典領域と量子領域における学習と制御の枠組み
• Authors: Seyed Shakib Vedaie, Archismita Dalal, Eduardo J. P\'aez, Barry C. Sanders
• Abstract要約: 我々は,学習と制御を形式的に関連付ける枠組みを構築し,学習が制御にどう役立つかを示す。 我々のフレームワークは、古典的および量子制御と学習のネクサスにおける興味深い未解決問題を特定するのに役立ちます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Control and learning are key to technological advancement, both in the classical and quantum domains, yet their interrelationship is insufficiently clear in the literature, especially between classical and quantum definitions of control and learning. We construct a framework that formally relates learning and control, both classical and quantum, to each other, with this formalism showing how learning can aid control. Furthermore, our framework helps to identify interesting unsolved problems in the nexus of classical and quantum control and learning and help in choosing tools to solve problems. As a use case, we cast the well-studied problem of adaptive quantum-enhanced interferometric-phase estimation as a supervised learning problem for devising feasible control policies. Our unification of these fields relies on diagrammatically representing the state of knowledge, which elegantly summarizes existing knowledge and exposes knowledge gaps.
• Abstract（参考訳）: 制御と学習は古典的領域と量子的領域の両方において技術進歩の鍵であるが、古典的および量子的定義と学習の間の相互関係は文学において不十分である。 我々は,古典的および量子的に,学習と制御を形式的に関連付ける枠組みを構築し,学習が制御にどのように役立つかを示す。 さらに,本フレームワークは,古典的および量子的制御と学習のネクサスにおける興味深い未解決問題を識別し,問題解決ツールの選択を支援する。 利用例として,適応型量子エンハンス型干渉位相推定法を,実現可能な制御方針を考案するための教師あり学習問題とした。 これらの分野の統合は、既存の知識をエレガントに要約し、知識ギャップを露呈する知識の状態を図式的に表現することに依存します。

関連論文リスト

• Hybrid Quantum-Classical Reinforcement Learning in Latent Observation Spaces [0.36944296923226316]
  量子機械学習の最近の進歩は、古典的な制御問題に取り組むために量子法を使うことに関心を喚起している。 本稿では,古典的オートエンコーダと量子エージェントを併用して,この次元課題を解決することを提案する。 遅延空間学習法の性能解析のために, 一連の数値実験を設計する。
  論文  参考訳（メタデータ） (2024-10-23T21:19:38Z)
• Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
  No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。 我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。 得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。 この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
  論文  参考訳（メタデータ） (2024-05-12T09:05:13Z)
• Robust Quantum Control in Closed and Open Systems: Theory and Practice [0.0]
  このサーベイは、制御理論家のために書かれており、量子制御の現状をレビューし、量子システムに近代的な堅牢な制御を適用しようとする上で直面する課題の概要を提供する。 量子系に古典的ロバスト制御理論を適用する際に生じる問題, 量子物理学者がそのような系とそのロバスト性を探るための典型的な方法, およびこの分野で解決すべきオープン問題について議論する。
  論文  参考訳（メタデータ） (2023-12-30T18:08:43Z)
• Causal Reinforcement Learning: A Survey [57.368108154871]
  強化学習は、不確実性の下でのシーケンシャルな決定問題の解決に不可欠なパラダイムである。 主な障害の1つは、強化学習エージェントが世界に対する根本的な理解を欠いていることである。 因果性は、体系的な方法で知識を形式化できるという点で顕著な利点がある。
  論文  参考訳（メタデータ） (2023-07-04T03:00:43Z)
• Exponential separations between classical and quantum learners [2.209921757303168]
  我々は,定義の微妙な違いが,学習者が満足して解決すべき要件や課題を著しく異なるものにする可能性について論じる。 本稿では,データ生成関数の同定に古典的困難を主眼として,2つの新たな学習分離を提案する。
  論文  参考訳（メタデータ） (2023-06-28T08:55:56Z)
• On establishing learning separations between classical and quantum machine learning with classical data [0.0]
  量子学習アルゴリズムが従来の学習アルゴリズムよりもはるかに高速に学習できる学習問題を見つけることの課題について論じる。 証明可能な量子スピードアップを用いて既存の学習問題を研究し、より汎用的で十分な条件の集合を蒸留する。 これらのチェックリストは、学習問題に対する量子スピードアップを証明するためのアプローチの合理化やボトルネックの解明を目的としている。
  論文  参考訳（メタデータ） (2022-08-12T16:00:30Z)
• Modern applications of machine learning in quantum sciences [51.09906911582811]
  本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。 我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
  論文  参考訳（メタデータ） (2022-04-08T17:48:59Z)
• Constrained Learning with Non-Convex Losses [119.8736858597118]
  学習は現代の情報処理の中核技術になっているが、バイアス、安全でない、偏見のあるソリューションにつながるという証拠はたくさんある。
  論文  参考訳（メタデータ） (2021-03-08T23:10:33Z)
• Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
  我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。 量子回路合成問題における時間-最適制御の強化について述べる。 我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
  論文  参考訳（メタデータ） (2020-06-19T19:12:14Z)
• Probably Approximately Correct Constrained Learning [135.48447120228658]
  我々は、ほぼ正しい学習フレームワーク(PAC)に基づく一般化理論を開発する。 PAC学習可能なクラスも制約のある学習者であるという意味では,学習者の導入は学習問題を難しくするものではないことを示す。 このソリューションの特性を分析し,制約付き学習が公平でロバストな分類における問題にどのように対処できるかを説明する。
  論文  参考訳（メタデータ） (2020-06-09T19:59:29Z)
• The challenge and opportunities of quantum literacy for future education and transdisciplinary problem-solving [1.1470070927586016]
  量子リテラシーは、高度に制限された分野において、学習とスキル獲得の課題に対処する、と我々は主張する。 本稿では、量子計算に関してこれらの教育的な目的を達成するための、特定のパズル可視化学習ツールを紹介する。
  論文  参考訳（メタデータ） (2020-04-14T16:02:56Z)

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。