論文の概要: Information-driven Nonlinear Quantum Neuron
- arxiv url: http://arxiv.org/abs/2307.09017v1
- Date: Tue, 18 Jul 2023 07:12:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-19 16:01:43.608953
- Title: Information-driven Nonlinear Quantum Neuron
- Title(参考訳): 情報駆動非線形量子ニューロン
- Authors: Ufuk Korkmaz, Deniz T\"urkpen\c{c}e
- Abstract要約: 本研究では,オープン量子システムとして動作するハードウェア効率の高い量子ニューラルネットワークを提案する。
入力量子情報のパラメトリゼーションが容易な繰り返し相互作用に基づくこの散逸モデルが、微分可能非線形活性化関数を示すことを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The promising performance increase offered by quantum computing has led to
the idea of applying it to neural networks. Studies in this regard can be
divided into two main categories: simulating quantum neural networks with the
standard quantum circuit model, and implementing them based on hardware.
However, the ability to capture the non-linear behavior in neural networks
using a computation process that usually involves linear quantum mechanics
principles remains a major challenge in both categories. In this study, a
hardware-efficient quantum neural network operating as an open quantum system
is proposed, which presents non-linear behaviour. The model's compatibility
with learning processes is tested through the obtained analytical results. In
other words, we show that this dissipative model based on repeated
interactions, which allows for easy parametrization of input quantum
information, exhibits differentiable, non-linear activation functions.
- Abstract(参考訳): 量子コンピューティングによって提供される有望なパフォーマンス向上は、ニューラルネットワークに適用するというアイデアにつながった。
この点についての研究は、量子ニューラルネットワークを標準的な量子回路モデルでシミュレーションし、ハードウェアに基づいて実装する2つの主要なカテゴリに分けられる。
しかしながら、通常は線形量子力学の原理を含む計算プロセスを用いてニューラルネットワークの非線形挙動を捉える能力は、どちらのカテゴリにおいても大きな課題である。
本研究では,開量子系として動作するハードウェア効率のよい量子ニューラルネットワークを提案し,非線形挙動を示す。
モデルの学習プロセスとの適合性は、得られた分析結果を通してテストされる。
言い換えると、この散逸モデルは反復相互作用に基づくもので、入力量子情報のパラメータ化が容易であり、微分可能で非線形な活性化関数を示す。
関連論文リスト
- 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 machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Realization of a quantum neural network using repeat-until-success
circuits in a superconducting quantum processor [0.0]
本稿では、リアルタイム制御-フローフィードバックによって実現されたリピート・アンティル・サクセス回路を用いて、非線形活性化機能を持つ量子ニューロンを実現する。
例えば、2ビットから1ビットのブール関数をすべて学習できる最小限のフィードフォワード量子ニューラルネットワークを構築する。
このモデルは非線形分類を行い、全ての入力の最大重ね合わせからなる単一のトレーニング状態の複数のコピーから効果的に学習する。
論文 参考訳(メタデータ) (2022-12-21T03:26:32Z) - Analytic theory for the dynamics of wide quantum neural networks [7.636414695095235]
本研究では,変分量子機械学習モデルの学習誤差に対する勾配降下のダイナミクスについて検討する。
ランダムな量子回路では、残差トレーニング誤差の指数的減衰をシステムのパラメータの関数として予測し、特徴付ける。
論文 参考訳(メタデータ) (2022-03-30T23:24:06Z) - Parametrized constant-depth quantum neuron [56.51261027148046]
本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。
ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。
パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
論文 参考訳(メタデータ) (2022-02-25T04:57:41Z) - Comparing concepts of quantum and classical neural network models for
image classification task [0.456877715768796]
本資料は、ハイブリッド量子古典ニューラルネットワークのトレーニングと性能に関する実験結果を含む。
シミュレーションは時間を要するが、量子ネットワークは時間を要するが、古典的なネットワークを克服する。
論文 参考訳(メタデータ) (2021-08-19T18:49:30Z) - 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) - Nonlinear Quantum Neuron: A Fundamental Building Block for Quantum
Neural Networks [5.067768639196139]
量子コンピューティングにより、量子ニューラルネットワーク(QNN)は、人工ニューラルネットワーク(ANN)を超える大きな可能性を持つ。
QNNに関連する様々なモデルが開発されているが、ニューラルネットワークの非線形で散逸的なダイナミクスを線形でユニタリな量子システムにマージするという課題に直面している。
非線形関数を近似するために異なる量子回路を構築し、任意の非線形量子ニューロンを実現するための一般化可能なフレームワークを提案する。
論文 参考訳(メタデータ) (2020-11-06T15:25:52Z) - A Derivative-free Method for Quantum Perceptron Training in
Multi-layered Neural Networks [2.962453125262748]
量子パーセプトロンに基づく多層ニューラルネットワークのグラデーションフリー・アプローチ
我々は測定可能な演算子を用いて、マルコフプロセスと整合した方法でネットワークの状態を定義する。
論文 参考訳(メタデータ) (2020-09-23T01:38:34Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳(メタデータ) (2019-12-31T07:40:23Z)
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。