論文の概要: Let Quantum Neural Networks Choose Their Own Frequencies

• arxiv url: http://arxiv.org/abs/2309.03279v2
• Date: Mon, 22 Apr 2024 15:55:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 00:52:28.763913
• Title: Let Quantum Neural Networks Choose Their Own Frequencies
• Title（参考訳）: 量子ニューラルネットワークが独自の周波数を選択する
• Authors: Ben Jaderberg, Antonio A. Gentile, Youssef Achari Berrada, Elvira Shishenina, Vincent E. Elfving,
• Abstract要約: 我々は、量子モデルをジェネレータにトレーニング可能なパラメータの集合を含むように一般化し、トレーニング可能な周波数(TF)量子モデルへと導く。 我々は,TFモデルが手作業の解決に望ましい特性を持つジェネレータを学習する方法を数値的に示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parameterized quantum circuits as machine learning models are typically well described by their representation as a partial Fourier series of the input features, with frequencies uniquely determined by the feature map's generator Hamiltonians. Ordinarily, these data-encoding generators are chosen in advance, fixing the space of functions that can be represented. In this work we consider a generalization of quantum models to include a set of trainable parameters in the generator, leading to a trainable frequency (TF) quantum model. We numerically demonstrate how TF models can learn generators with desirable properties for solving the task at hand, including non-regularly spaced frequencies in their spectra and flexible spectral richness. Finally, we showcase the real-world effectiveness of our approach, demonstrating an improved accuracy in solving the Navier-Stokes equations using a TF model with only a single parameter added to each encoding operation. Since TF models encompass conventional fixed frequency models, they may offer a sensible default choice for variational quantum machine learning.
• Abstract（参考訳）: 機械学習モデルとしてのパラメータ化量子回路は、典型的には入力特徴の部分フーリエ級数として表現され、特徴写像のジェネレータハミルトンにより周波数が一意に決定される。 通常、これらのデータエンコーディングジェネレータは事前に選択され、表現できる関数の空間を固定する。 この研究では、量子モデルをジェネレータにトレーニング可能なパラメータの集合を含むように一般化し、トレーニング可能な周波数(TF)量子モデルへと導く。 TFモデルでは,非正規空間周波数やフレキシブルスペクトルの富度など,手前の課題を解く上で望ましい特性を持つジェネレータを学習する方法を数値的に示す。 最後に,各符号化操作に1つのパラメータのみを付加したTFモデルを用いて,Navier-Stokes方程式の解法精度の向上を示す。 TFモデルは従来の固定周波数モデルを含むため、変分量子機械学習において妥当なデフォルト選択を提供することができる。

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)
• Scaling and renormalization in high-dimensional regression [72.59731158970894]
  本稿では,様々な高次元リッジ回帰モデルの訓練および一般化性能の簡潔な導出について述べる。 本稿では,物理と深層学習の背景を持つ読者を対象に,これらのトピックに関する最近の研究成果の紹介とレビューを行う。
  論文  参考訳（メタデータ） (2024-05-01T15:59:00Z)
• Constrained and Vanishing Expressivity of Quantum Fourier Models [2.7746258981078196]
  量子モデルのフーリエ係数と符号化ゲートとの新たな相関関係を示す。 また、特定の設定で表現性を消滅させる現象を示す。 これらの2つの挙動は、PQCの表現性を制限する新しい形式の制約を暗示する。
  論文  参考訳（メタデータ） (2024-03-14T14:05:24Z)
• Variational waveguide QED simulators [58.720142291102135]
  導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。 ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
  論文  参考訳（メタデータ） (2023-02-03T18:55:08Z)
• Well-conditioned multi-product formulas for hardware-friendly Hamiltonian simulation [1.433758865948252]
  ハードウェアを増幅せず、エラーをサンプリングしないMPFの設計方法を示し、その性能を実証する。 本稿では,Pauli Twirlingによるハードウェアノイズの抑制,パルス効率の変換,スケールしたクロス共振パルスに基づく新しいゼロノイズ外挿による製品公式アプローチと比較して,最大1桁の誤差低減を観測する。
  論文  参考訳（メタデータ） (2022-07-22T18:00:05Z)
• Protocols for Trainable and Differentiable Quantum Generative Modelling [21.24186888129542]
  微分可能量子回路(DQC)としての確率分布の学習手法を提案する。 我々はDQCベースのモデルのトレーニングを行い、そこでデータは位相特徴写像で潜在空間にエンコードされ、次に変動量子回路が続く。 これにより、シングルショットの読み出しを使ってパラメタライズドディストリビューションからの高速サンプリングが可能になる。
  論文  参考訳（メタデータ） (2022-02-16T18:55:48Z)
• 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)
• Phase diagram of quantum generalized Potts-Hopfield neural networks [0.0]
  我々は,q-state Potts-Hopfield ニューラルネットワークのオープン量子一般化を導入し,解析する。 この多体系の力学はリンドブラッド型のマルコフマスター方程式によって定式化される。
  論文  参考訳（メタデータ） (2021-09-21T12:48:49Z)
• Bosonic field digitization for quantum computers [62.997667081978825]
  我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。 本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-24T15:30:04Z)
• The effect of data encoding on the expressive power of variational quantum machine learning models [0.7734726150561088]
  量子コンピュータは、パラメトリド量子回路をデータ入力を予測にマッピングするモデルとして扱うことで教師あり学習に使用できる。 本稿では,関数近似器としてパラメトリド量子回路の表現力に,データがモデルに符号化される戦略がどう影響するかを検討する。
  論文  参考訳（メタデータ） (2020-08-19T18:00:11Z)
• Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
  光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。 我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
  論文  参考訳（メタデータ） (2020-07-28T14:52:28Z)

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。