論文の概要: Quantum generative adversarial learning in photonics

• arxiv url: http://arxiv.org/abs/2310.00585v1
• Date: Sun, 1 Oct 2023 06:08:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 03:19:48.309073
• Title: Quantum generative adversarial learning in photonics
• Title（参考訳）: フォトニクスにおける量子生成逆数学習
• Authors: Yizhi Wang, Shichuan Xue, Yaxuan Wang, Yong Liu, Jiangfang Ding, Weixu Shi, Dongyang Wang, Yingwen Liu, Xiang Fu, Guangyao Huang, Anqi Huang, Mingtang Deng, Junjie Wu
• Abstract要約: フォトニクスにおけるQGANモデルについて実験的に検証し,その性能に及ぼすノイズと欠陥の影響について検討した。 以上の結果から, 発電機の位相シフト器の最大半分が損傷を受ける条件下であっても, QGANは90%以上の忠実度で高品質な量子データを生成できることが示唆された。 我々の研究は、NISQ時代の量子ハードウェア上でQGANを実装する可能性に光を当てている。
• 参考スコア（独自算出の注目度）: 12.012483529392465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Generative Adversarial Networks (QGANs), an intersection of quantum computing and machine learning, have attracted widespread attention due to their potential advantages over classical analogs. However, in the current era of Noisy Intermediate-Scale Quantum (NISQ) computing, it is essential to investigate whether QGANs can perform learning tasks on near-term quantum devices usually affected by noise and even defects. In this Letter, using a programmable silicon quantum photonic chip, we experimentally demonstrate the QGAN model in photonics for the first time, and investigate the effects of noise and defects on its performance. Our results show that QGANs can generate high-quality quantum data with a fidelity higher than 90\%, even under conditions where up to half of the generator's phase shifters are damaged, or all of the generator and discriminator's phase shifters are subjected to phase noise up to 0.04$\pi$. Our work sheds light on the feasibility of implementing QGANs on NISQ-era quantum hardware.
• Abstract（参考訳）: qgans(quantum generative adversarial networks)は、量子コンピューティングと機械学習の交差点であり、古典的アナログよりも潜在的に優れているため、広く注目を集めている。 しかし,現在のNISQ(ノイズ中間スケール量子)コンピューティングでは,QGANが一般的にノイズや欠陥に影響を受ける短期量子デバイス上で学習タスクを実行できるかどうかを検討することが不可欠である。 本稿では、プログラマブルなシリコン量子フォトニクスチップを用いて、初めてフォトニクスにおけるQGANモデルを実験的に実証し、その性能に及ぼすノイズと欠陥の影響について検討する。 以上の結果から, 発電機の位相シフト器の最大半分が損傷を受けた場合や, 発電機および識別器の位相シフト器が最大0.04$\pi$の位相ノイズを受ける場合であっても, QGANは90%以上の忠実度で高品質な量子データを生成することができることがわかった。 我々の研究は、NISQ時代の量子ハードウェア上でQGANを実装する可能性に光を当てている。

関連論文リスト

• Simulating optically-active spin defects with a quantum computer [3.3011710036065325]
  我々は、光学活性な欠陥状態とその放射放出率をシミュレートするフォールトトレラント量子アルゴリズムを開発した。 量子センサの能力を高めるために、量子コンピュータの可能性について、先見的な視点を提供する。
  論文  参考訳（メタデータ） (2024-05-21T18:00:02Z)
• Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation via Neural Networks [0.4779196219827508]
  変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。 量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。 本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-10T15:35:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum artificial vision for defect detection in manufacturing [0.0]
  ノイズ中間スケール量子(NISQ)デバイスを用いた量子コンピュータビジョンのアルゴリズムについて検討する。 私たちはそれらを、彼らの古典的な問題に対する真の問題としてベンチマークします。 これは製造ラインにおける産業関連の問題に対する量子コンピュータビジョンシステムの最初の実装である。
  論文  参考訳（メタデータ） (2022-08-09T18:30:23Z)
• Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
  本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。 鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。 Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T09:42:37Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• 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)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)
• Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
  連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。 また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。 我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
  論文  参考訳（メタデータ） (2020-06-02T23:14:45Z)

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。