論文の概要: QonFusion -- Quantum Approaches to Gaussian Random Variables:
Applications in Stable Diffusion and Brownian Motion
- arxiv url: http://arxiv.org/abs/2309.16258v1
- Date: Thu, 28 Sep 2023 08:51:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 15:30:38.774084
- Title: QonFusion -- Quantum Approaches to Gaussian Random Variables:
Applications in Stable Diffusion and Brownian Motion
- Title（参考訳）: QonFusion -- ガウス確率変数への量子的アプローチ:安定拡散とブラウン運動への応用
- Authors: Shlomo Kashani
- Abstract要約: この戦略は、従来の擬似乱数生成器(PRNG)の代替となる。
QonFusionはPythonライブラリで、PyTorchとPennyLaneの双方と共通している。
- 参考スコア（独自算出の注目度）: 1.90365714903665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the present study, we delineate a strategy focused on non-parametric
quantum circuits for the generation of Gaussian random variables (GRVs). This
quantum-centric approach serves as a substitute for conventional pseudorandom
number generators (PRNGs), such as the \textbf{torch.rand} function in PyTorch.
The principal theme of our research is the incorporation of Quantum Random
Number Generators (QRNGs) into classical models of diffusion. Notably, our
Quantum Gaussian Random Variable Generator fulfills dual roles, facilitating
simulations in both Stable Diffusion (SD) and Brownian Motion (BM). This
diverges markedly from prevailing methods that utilize parametric quantum
circuits (PQCs), often in conjunction with variational quantum eigensolvers
(VQEs). Although conventional techniques can accurately approximate ground
states in complex systems or model elaborate probability distributions, they
require a computationally demanding optimization process to tune parameters.
Our non-parametric strategy obviates this necessity. To facilitate assimilating
our methodology into existing computational frameworks, we put forward
QonFusion, a Python library congruent with both PyTorch and PennyLane,
functioning as a bridge between classical and quantum computational paradigms.
We validate QonFusion through extensive statistical testing, including tests
which confirm the statistical equivalence of the Gaussian samples from our
quantum approach to classical counterparts within defined significance limits.
QonFusion is available at
\url{https://boltzmannentropy.github.io/qonfusion.github.io/} to reproduce all
findings here.
- Abstract（参考訳）: 本研究では,非パラメトリック量子回路に着目したガウス確率変数(GRV)の生成戦略について述べる。
この量子中心のアプローチは、PyTorch の \textbf{torch.rand} 関数のような従来の擬似乱数生成器(PRNG)の代替となる。
本研究の主なテーマは,古典的な拡散モデルに量子ランダム数生成器(QRNG)を組み込むことである。
特に、量子ガウス確率変数生成器は、安定拡散 (sd) とブラウン運動 (bm) の両方のシミュレーションを容易にする2つの役割を果たす。
これはパラメトリック量子回路(PQC)を利用する一般的な方法とは大きく異なり、しばしば変分量子固有解法(VQE)と併用される。
従来の手法は複雑なシステムの基底状態を正確に近似したり、詳細な確率分布をモデル化するが、パラメータをチューニングするために計算的に要求される最適化プロセスが必要である。
我々の非パラメトリック戦略は、この必要性を損なう。
既存の計算フレームワークへの方法論の同化を容易にするため、我々は、pytorchとpennylaneの両方と共用するpythonライブラリであるqonfusionを、古典的な計算パラダイムと量子計算パラダイムの橋渡しとして機能させました。
我々は,ガウスサンプルの統計等価性を検証するテストを含む広範囲の統計試験により,量子的アプローチから古典的サンプルへのqonfusionの検証を行った。
QonFusion は \url{https://boltzmannentropy.github.io/qonfusion.github.io/} で入手できる。
関連論文リスト
- Quantum Algorithm for Green's Functions Measurements in the
Fermi-Hubbard Model [0.0]
本稿では,線形応答理論におけるKubo公式の類似をハバードモデルに適応させた新しい量子アルゴリズムを提案する。
従来の手法と比較して,2量子ゲートのゲート数を大幅に削減し,ハードウェア設計に制限を加えている。
論文 参考訳（メタデータ） (2023-10-16T13:55:10Z) - Quantum state preparation for bell-shaped probability distributions using deconvolution methods [0.0]
量子データをロードするための古典量子ハイブリッド手法を提案する。
本稿では,Jensen-Shannon距離をコスト関数として用いて,古典的なステップから得られる結果の近接度と目標分布を定量化する。
デコンボリューションステップからの出力は、与えられた確率分布をロードするために必要な量子回路を構築するために使用される。
論文 参考訳（メタデータ） (2023-10-08T06:55:47Z) - Quantum Conformal Prediction for Reliable Uncertainty Quantification in
Quantum Machine Learning [47.991114317813555]
量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。
本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
論文 参考訳（メタデータ） (2023-04-06T22:05:21Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Implementation and Learning of Quantum Hidden Markov Models [0.0]
量子隠れマルコフモデル(QHMM)に対する一元的パラメータ化と効率的な学習アルゴリズムを提案する。
量子チャネルのよりリッチなダイナミクスを活用することで、従来のものに比べて量子発生器の効率が向上することを示した。
我々は,任意のQHMMを,中間回路計測による量子回路を用いて効率的に実装し,シミュレーションすることができることを示す。
論文 参考訳（メタデータ） (2022-12-07T17:25:02Z) - Validation tests of GBS quantum computers give evidence for quantum
advantage with a decoherent target [62.997667081978825]
複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。
偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
論文 参考訳（メタデータ） (2022-11-07T12:00:45Z) - On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。
本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。
量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
論文 参考訳（メタデータ） (2022-06-01T11:03:51Z) - Generative Quantum Learning of Joint Probability Distribution Functions [1.221966660783828]
我々はコプラをモデル化するための量子機械学習アルゴリズムを設計する。
任意のコプラを最大交絡状態に自然にマッピングできることが示される。
変分 ansatz を qopula' として定義すると、変数間の任意の相関が生成される。
論文 参考訳（メタデータ） (2021-09-13T20:50:15Z) - Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。
観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。
我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
論文 参考訳（メタデータ） (2021-03-05T08:32:43Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳（メタデータ） (2020-08-03T18:00:05Z) - Probing the Universality of Topological Defect Formation in a Quantum
Annealer: Kibble-Zurek Mechanism and Beyond [46.39654665163597]
一次元横フィールドイジングモデルによるトポロジカル欠陥生成の実験的検討について報告する。
位相フリップ誤差を伴う開系量子力学のKZMにより量子シミュレータの結果を実際に説明できることが判明した。
これは、環境からの孤立を仮定する一般化KZM理論の理論的予測が、その元のスコープを越えてオープンシステムに適用されることを意味する。
論文 参考訳（メタデータ） (2020-01-31T02:55:35Z)
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。