Fugu-MT 論文翻訳(概要): Quantum Wasserstein GANs for State Preparation at Unseen Points of a Phase Diagram

論文の概要: Quantum Wasserstein GANs for State Preparation at Unseen Points of a Phase Diagram

arxiv url: http://arxiv.org/abs/2309.09543v1
Date: Mon, 18 Sep 2023 07:39:51 GMT
ステータス: 処理完了
システム内更新日: 2023-09-19 14:43:08.264743
Title: Quantum Wasserstein GANs for State Preparation at Unseen Points of a Phase Diagram
Title（参考訳）: 位相図の見当たらない点における状態形成のための量子waserstein gans
Authors: Wiktor Jurasz, Christian B. Mendl
Abstract要約: 量子ワッサーシュタイン GAN に基づく新しいハイブリッド古典量子法を提案する。供給された状態の測定期待を制御し、新しい状態を生成する機能を学ぶことができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Generative models and in particular Generative Adversarial Networks (GANs) have become very popular and powerful data generation tool. In recent years, major progress has been made in extending this concept into the quantum realm. However, most of the current methods focus on generating classes of states that were supplied in the input set and seen at the training time. In this work, we propose a new hybrid classical-quantum method based on quantum Wasserstein GANs that overcomes this limitation. It allows to learn the function governing the measurement expectations of the supplied states and generate new states, that were not a part of the input set, but which expectations follow the same underlying function.
Abstract（参考訳）: 生成モデル、特にGAN(Generative Adversarial Networks)は非常に人気があり、強力なデータ生成ツールになっている。近年では、この概念を量子領域に拡張する大きな進歩がなされている。しかし、現在の手法のほとんどは、入力セットで提供され、トレーニング時に見られる状態のクラスを生成することに焦点を当てている。本研究では,この制限を克服した量子ワッサーシュタイン GAN に基づくハイブリッド古典量子法を提案する。これにより、供給された状態の測定期待を統制する関数を学習し、入力セットの一部ではなく、どの期待が同じ基礎機能に従う新しい状態を生成することができる。

関連論文リスト

Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文参考訳（メタデータ） (2024-06-10T17:22:09Z)
Quantum-enhanced Green's function Monte Carlo for excited states of nuclear shell model [0.0]
核殻モデルの励起状態を推定するためのハイブリッド量子古典グリーン関数モンテカルロ(GFMC)アルゴリズムを提案する。我々は、与えられた量子系の励起状態を見つけるために、ハイブリッドGFMCアルゴリズムを拡張した。
論文参考訳（メタデータ） (2024-01-21T15:24:20Z)
Sparse Quantum State Preparation for Strongly Correlated Systems [0.0]
原理として、指数関数的にスケールする多電子波関数を線形にスケールする量子ビットレジスタに符号化することは、従来の量子化学法の限界を克服するための有望な解決策を提供する。基底状態量子アルゴリズムが実用的であるためには、量子ビットの初期化が要求される基底状態の高品質な近似に必須である。量子状態準備(QSP)は、古典的な計算から得られる近似固有状態の生成を可能にするが、量子情報のオラクルとして頻繁に扱われる。
論文参考訳（メタデータ） (2023-11-06T18:53:50Z)
Scalable Quantum Ground State Preparation of the Heisenberg Model: A Variational Quantum Eigensolver Approach [0.0]
変分量子ソルバ (VQE) アルゴリズムは、量子回路と古典的等分量子ソルバからなるシステムである。異方性XXZモデルに対する臨界状態を含む結合の可能な全ての値に対して基底状態を作成することができるアンザッツを提案する。
論文参考訳（メタデータ） (2023-08-23T09:26:34Z)
Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文参考訳（メタデータ） (2023-06-29T18:00:01Z)
A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文参考訳（メタデータ） (2023-03-27T22:48:28Z)
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)
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)
Quantum Generative Adversarial Networks in a Continuous-Variable Architecture to Simulate High Energy Physics Detectors [0.0]
連続可変量子計算に用いる新しい量子GAN(qGAN)のプロトタイプを導入し,解析する。量子と古典的判別器を備えた2つのCV qGANモデルを用いて、小型でカロリーの出力を再現する実験を行った。
論文参考訳（メタデータ） (2021-01-26T23:33:14Z)
Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
論文参考訳（メタデータ） (2020-12-07T18:51:28Z)
Heterogeneous Multipartite Entanglement Purification for Size-Constrained Quantum Devices [68.8204255655161]
不完全生成後の絡み合い資源の浄化は、量子アーキテクチャーでそれらを使用するための必要不可欠なステップである。ここでは、過去20年間に探索された多国間国家の典型的浄化パラダイムから逸脱する。ベル対のような小さな犠牲状態は、これらの同じ状態の余分なコピーよりも多粒子状態の浄化に有用であることがわかった。
論文参考訳（メタデータ） (2020-11-23T19:00:00Z)

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。