論文の概要: MosaiQ: Quantum Generative Adversarial Networks for Image Generation on
NISQ Computers
- arxiv url: http://arxiv.org/abs/2308.11096v1
- Date: Tue, 22 Aug 2023 00:40:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 19:37:55.015335
- Title: MosaiQ: Quantum Generative Adversarial Networks for Image Generation on
NISQ Computers
- Title(参考訳): MosaiQ: NISQコンピュータ上の画像生成のための量子生成逆ネットワーク
- Authors: Daniel Silver, Tirthak Patel, William Cutler, Aditya Ranjan, Harshitta
Gandhi, Devesh Tiwari
- Abstract要約: MosaiQは高品質な量子画像生成GANフレームワークである。
現在のNISQ(Near-term Intermediate Scale Quantum)コンピュータで実行することができる。
- 参考スコア(独自算出の注目度): 9.537660328139038
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum machine learning and vision have come to the fore recently, with
hardware advances enabling rapid advancement in the capabilities of quantum
machines. Recently, quantum image generation has been explored with many
potential advantages over non-quantum techniques; however, previous techniques
have suffered from poor quality and robustness. To address these problems, we
introduce, MosaiQ, a high-quality quantum image generation GAN framework that
can be executed on today's Near-term Intermediate Scale Quantum (NISQ)
computers.
- Abstract(参考訳): 量子マシンの能力の急速な向上を可能にするハードウェアの進歩によって、量子機械学習とビジョンが最近注目されている。
近年、量子画像生成は非量子技術よりも多くの潜在的な利点をもって研究されてきたが、従来の技術は品質と堅牢性に悩まされてきた。
これらの問題に対処するため、今日のNISQ(Near-term Intermediate Scale Quantum)コンピュータで実行できる高品質な量子画像生成GANフレームワークであるMosaiQを紹介した。
関連論文リスト
- Quantum Computing: Vision and Challenges [16.825412568072434]
本稿では,量子コンピューティングの現在の研究に基づく基礎とビジョンについて考察する。
本稿では,量子コンピュータハードウェアの最先端開発と量子暗号,量子ソフトウェア,高スケール性量子コンピュータの今後の進歩について論じる。
論文 参考訳(メタデータ) (2024-03-04T17:33:18Z) - NISQ Computers: A Path to Quantum Supremacy [0.0]
NISQ (Noisy Intermediate-Scale Quantum) コンピューティングは目覚ましい進歩を見せている。
量子超越性(quantum supremacy)として知られるこの変転点は、一連のブレークスルーの中で達成されている。
これまでに行われた量子超越性実験を批判的に検証し、量子コンピューティングの進化する風景へのその影響と貢献について光を当てる。
論文 参考訳(メタデータ) (2023-09-29T09:35:15Z) - Hybrid quantum transfer learning for crack image classification on NISQ
hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。
我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文 参考訳(メタデータ) (2023-07-31T14:45:29Z) - Quafu-RL: The Cloud Quantum Computers based Quantum Reinforcement
Learning [0.0]
本研究は,BAQIS Quafu量子コンピューティングクラウド上で,少なくとも136量子ビットを備えた実デバイス上で,ベンチマーク量子強化問題を実行するための第一歩である。
実験の結果,Reinforcement Learning (RL) エージェントはトレーニング段階と推論段階の両方でわずかに緩和された目標を達成することができることがわかった。
論文 参考訳(メタデータ) (2023-05-29T09:13:50Z) - Quantum Optical Memory for Entanglement Distribution [52.77024349608834]
長距離における量子状態の絡み合いは、量子コンピューティング、量子通信、および量子センシングを増強することができる。
過去20年間で、高忠実度、高効率、長期保存、有望な多重化機能を備えた量子光学記憶が開発された。
論文 参考訳(メタデータ) (2023-04-19T03:18:51Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳(メタデータ) (2022-06-07T07:32:57Z) - A Quantum Hopfield Associative Memory Implemented on an Actual Quantum
Processor [8.024434062411943]
本稿では,量子ホップフィールド連想メモリ(QHAM)について述べる。
QHAMは、多くの異なる機械学習アプリケーションに使用できる量子ニューロン設計に基づいている。
我々は、QHAMを量子ビットおよび回路レベルのエラーに対して有効メモリ容量をテストすることでベンチマークし、量子ハードウェアのNISQ時代におけるその能力を実証する。
論文 参考訳(メタデータ) (2021-05-25T00:45:57Z) - Quantum Deformed Neural Networks [83.71196337378022]
我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。
入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
論文 参考訳(メタデータ) (2020-10-21T09:46:12Z) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z)
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。