論文の概要: A new quantum machine learning algorithm: split hidden quantum Markov model inspired by quantum conditional master equation

• arxiv url: http://arxiv.org/abs/2307.08640v3
• Date: Fri, 20 Oct 2023 00:57:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 17:26:04.131417
• Title: A new quantum machine learning algorithm: split hidden quantum Markov model inspired by quantum conditional master equation
• Title（参考訳）: 新しい量子機械学習アルゴリズム:量子条件マスター方程式に触発された分割隠れ量子マルコフモデル
• Authors: Xiao-Yu Li, Qin-Sheng Zhu, Yong Hu, Hao Wu, Guo-Wu Yang, Lian-Hui Yu, Geng Chen
• Abstract要約: 隠れ量子マルコフプロセスを実装するための分割HQMM(SHQMM)を提案する。 実験結果から,本モデルが従来のモデルよりも性能とロバスト性に優れていたことが示唆された。 この研究は、量子輸送システムがHQMMの物理的表現と見なせるという明確な証拠を提供する。
• 参考スコア（独自算出の注目度）: 14.978135681940387
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Hidden Quantum Markov Model (HQMM) has significant potential for analyzing time-series data and studying stochastic processes in the quantum domain due to its greater accuracy and efficiency than the classical hidden Markov model. In this paper, we introduced the split HQMM (SHQMM) for implementing the hidden quantum Markov process, utilizing the conditional master equation with a fine balance condition to demonstrate the interconnections among the internal states of the quantum system. The experimental results suggest that our model outperforms previous models in terms of performance and robustness. Additionally, we establish a new learning algorithm to solve parameters in HQMM by relating the quantum conditional master equation to the HQMM. Finally, our study provides clear evidence that the quantum transport system can be considered a physical representation of HQMM. The SHQMM with accompanying algorithms present a novel method to analyze quantum systems and time series grounded in physical implementation.
• Abstract（参考訳）: 隠れマルコフモデル(hidden quantum markov model, hqmm)は、時系列データの解析や量子領域の確率過程の研究において、古典的な隠れマルコフモデルよりも高い精度と効率性を持つ。 本稿では,量子システムの内部状態間の相互接続を実証するために,条件付きマスター方程式を微細なバランス条件で利用し,隠れ量子マルコフ過程を実装するための分割HQMM(SHQMM)を提案する。 実験結果から,本モデルは従来のモデルよりも性能とロバスト性において優れていることが示唆された。 さらに,量子条件マスター方程式をHQMMに関連付けることで,HQMMのパラメータを解く新しい学習アルゴリズムを構築した。 最後に,本研究では,量子輸送系がHQMMの物理表現とみなすことができることを示す。 shqmmと付随するアルゴリズムは、物理的に実装された量子システムと時系列を分析する新しい手法である。

関連論文リスト

• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Quantum Mixed-State Self-Attention Network [3.1280831148667105]
  本稿では、量子コンピューティングの原理と古典的な機械学習アルゴリズムを統合する新しい量子混合状態注意ネットワーク(QMSAN)を紹介する。 QMSANモデルは混合状態に基づく量子アテンション機構を採用し、量子領域内のクエリとキー間の類似性を効率的に直接推定することを可能にする。 本研究は,QMSANが低雑音に対する可換ロバスト性を有することを示すため,異なる量子雑音環境におけるモデルのロバスト性について検討した。
  論文  参考訳（メタデータ） (2024-03-05T11:29:05Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Scalable Quantum Ground State Preparation of the Heisenberg Model: A Variational Quantum Eigensolver Approach [0.0]
  変分量子ソルバ (VQE) アルゴリズムは、量子回路と古典的等分量子ソルバからなるシステムである。 異方性XXZモデルに対する臨界状態を含む結合の可能な全ての値に対して基底状態を作成することができるアンザッツを提案する。
  論文  参考訳（メタデータ） (2023-08-23T09:26:34Z)
• Applicability of Measurement-based Quantum Computation towards Physically-driven Variational Quantum Eigensolver [17.975555487972166]
  変分量子アルゴリズムは、短期量子の利点を得る最も有望な方法の1つである。 測定に基づく量子計算方式で量子アルゴリズムを開発するための障害は、リソースコストである。 量子多体系シミュレーションタスクのための効率的な測定ベース量子アルゴリズム(MBHVA)を提案する。
  論文  参考訳（メタデータ） (2023-07-19T08:07:53Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Efficient Quantum Simulation of Open Quantum System Dynamics on Noisy Quantum Computers [0.0]
  量子散逸ダイナミクスは、コヒーレントからインコヒーレントにまたがって効率的にシミュレートできることを示す。 この研究は、NISQ時代の量子優位性のための新しい方向性を提供する。
  論文  参考訳（メタデータ） (2021-06-24T10:37:37Z)
• Minimal informationally complete measurements for probability representation of quantum dynamics [0.0]
  確率分布に作用する擬確率写像を用いて有限次元量子系の力学を記述する手法を提案する。 提案されたアプローチの重要な利点は、最小情報完全正の演算子値測度(MIC-POVM)が対称バージョン(SIC-POVM)と比較して構成しやすいことである。 MIC-POVMに基づく確率表現をデジタル量子コンピューティングモデルに適用する。
  論文  参考訳（メタデータ） (2020-06-22T13:19:23Z)

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。