Fugu-MT 論文翻訳(概要): Dissipative learning of a quantum classifier

論文の概要: Dissipative learning of a quantum classifier

arxiv url: http://arxiv.org/abs/2307.12293v1
Date: Sun, 23 Jul 2023 11:08:51 GMT
ステータス: 処理完了
システム内更新日: 2023-07-25 16:48:55.486171
Title: Dissipative learning of a quantum classifier
Title（参考訳）: 量子分類器の散逸学習
Authors: Ufuk Korkmaz, Deniz T\"urkpen\c{c}e
Abstract要約: オープン量子システムとして機能する量子分類器モデルの学習力学を解析する。モデルは勾配降下(GD)に基づくアルゴリズムでうまく訓練することができる。これらの最適化プロセスが連続力学で得られたという事実は、微分可能活性化関数の開発を約束することを示している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The expectation that quantum computation might bring performance advantages in machine learning algorithms motivates the work on the quantum versions of artificial neural networks. In this study, we analyze the learning dynamics of a quantum classifier model that works as an open quantum system which is an alternative to the standard quantum circuit model. According to the obtained results, the model can be successfully trained with a gradient descent (GD) based algorithm. The fact that these optimization processes have been obtained with continuous dynamics, shows promise for the development of a differentiable activation function for the classifier model.
Abstract（参考訳）: 量子計算が機械学習アルゴリズムにパフォーマンスの利点をもたらすかもしれないという期待は、ニューラルネットワークの量子バージョンの開発を動機付けている。本研究では,標準量子回路モデルの代替となるオープン量子システムとして機能する量子分類器モデルの学習力学を解析する。得られた結果から、勾配降下(GD)に基づくアルゴリズムを用いて、モデルをうまく訓練することができる。これらの最適化プロセスが連続ダイナミクスで得られたという事実は、分類器モデルの微分可能活性化関数の開発に有望であることを示している。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
Optimal Quantum Circuit Design via Unitary Neural Networks [0.0]
本稿では,量子回路モデル表現に量子アルゴリズムの機能を合成する自動手法を提案する。この訓練されたモデルが、元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証する。
論文参考訳（メタデータ） (2024-08-23T16:41:15Z)
Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
論文参考訳（メタデータ） (2024-07-02T18:00:00Z)
Information-driven Nonlinear Quantum Neuron [0.0]
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。
論文参考訳（メタデータ） (2023-07-18T07:12:08Z)
A Score-Based Model for Learning Neural Wavefunctions [41.82403146569561]
スコアベースニューラルネットワークを用いて量子多体基底状態の物性を得るための新しいフレームワークを提供する。我々の新しいフレームワークは明示的な確率分布を必要とせず、ランゲヴィン力学によるサンプリングを行う。
論文参考訳（メタデータ） (2023-05-25T23:44:27Z)
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)
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)
Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)
Model Checking for Verification of Quantum Circuits [1.1878820609988696]
本稿では,量子回路のアサーションに基づく検証のためのフレームワークについて述べる。量子アサーションはバーホフ=ヴォン・ノイマン量子論理の時間拡張によって定義される。テンソルネットワークの縮約に基づいて,量子回路の到達可能性解析とモデル検査を行うアルゴリズムを開発した。
論文参考訳（メタデータ） (2021-04-23T00:43:37Z)
Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
論文参考訳（メタデータ） (2020-10-14T18:05:49Z)

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。