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
- 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) - 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) - 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) - 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) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳(メタデータ) (2022-01-21T16:35:35Z) - 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) - Recurrent Quantum Neural Networks [7.6146285961466]
リカレントニューラルネットワークは、機械学習における多くのシーケンス対シーケンスモデルの基盤となっている。
非自明なタスクに対して実証可能な性能を持つ量子リカレントニューラルネットワーク(QRNN)を構築する。
我々はQRNNをMNIST分類で評価し、QRNNに各画像ピクセルを供給し、また、最新のデータ拡張を前処理のステップとして利用する。
論文 参考訳(メタデータ) (2020-06-25T17:59:44Z)
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。