論文の概要: Quantum reservoir complexity by Krylov evolution approach
- arxiv url: http://arxiv.org/abs/2310.00790v1
- Date: Sun, 1 Oct 2023 21:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 01:59:25.119511
- Title: Quantum reservoir complexity by Krylov evolution approach
- Title（参考訳）: クリロフ進化アプローチによる量子貯留層複雑性
- Authors: Laia Domingo, F. Borondo, Gast\'on Scialchi, Augusto J. Roncaglia,
Gabriel G. Carlo, and Diego A. Wisniacki
- Abstract要約: 機械学習タスクにおける所望の性能を評価するため,Krylov進化に基づく強力な物理基盤を持つ高精度な定量的手法を提案する。
以上の結果から,Krylov法は量子貯水池の性能と強く相関し,最適設計の量子貯水池の探索において強力なツールとなることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum reservoir computing algorithms recently emerged as a standout
approach in the development of successful methods for the NISQ era, because of
its superb performance and compatibility with current quantum devices. By
harnessing the properties and dynamics of a quantum system, quantum reservoir
computing effectively uncovers hidden patterns in data. However, the design of
the quantum reservoir is crucial to this end, in order to ensure an optimal
performance of the algorithm. In this work, we introduce a precise quantitative
method, with strong physical foundations based on the Krylov evolution, to
assess the wanted good performance in machine learning tasks. Our results show
that the Krylov approach to complexity strongly correlates with quantum
reservoir performance, making it a powerful tool in the quest for optimally
designed quantum reservoirs, which will pave the road to the implementation of
successful quantum machine learning methods.
- Abstract（参考訳）: 量子貯水池計算アルゴリズムは、その性能と現在の量子デバイスとの互換性のため、NISQ時代の成功手法の開発において、最近目立ったアプローチとして登場した。
量子システムの性質とダイナミクスを活用することで、量子貯水池計算はデータの隠れたパターンを効果的に解明する。
しかし、量子貯水池の設計は、アルゴリズムの最適性能を保証するために、この目的のために不可欠である。
そこで本研究では,Krylov進化に基づく強力な物理基盤を持つ高精度な定量的手法を導入し,機械学習タスクの要求された性能を評価する。
計算量に対するkrylovアプローチは,量子貯留層性能と強い相関関係にあり,量子貯留層を最適に設計する上で強力なツールとなる。
関連論文リスト
- MindSpore Quantum: A User-Friendly, High-Performance, and AI-Compatible Quantum Computing Framework [20.585698216552892]
我々は、ノイズの多い中間スケール量子(NISQ)アルゴリズムに重点を置いた、先駆的なハイブリッド量子古典フレームワークであるMindSpore Quantumを紹介する。
コアフレームワークに加えて,量子コンピューティングアクセラレーションエンジンQuPackを紹介する。
論文 参考訳（メタデータ） (2024-06-25T03:28:40Z) - Quantum Mixed-State Self-Attention Network [3.1280831148667105]
本稿では、量子コンピューティングの原理と古典的な機械学習アルゴリズムを統合する新しい量子混合状態注意ネットワーク(QMSAN)を紹介する。
QMSANモデルは混合状態に基づく量子アテンション機構を採用し、量子領域内のクエリとキー間の類似性を効率的に直接推定することを可能にする。
本研究は,QMSANが低雑音に対する可換ロバスト性を有することを示すため,異なる量子雑音環境におけるモデルのロバスト性について検討した。
論文 参考訳（メタデータ） (2024-03-05T11:29:05Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。
私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文 参考訳（メタデータ） (2024-01-20T03:11:59Z) - Efficient Quantum Modular Arithmetics for the ISQ Era [0.0]
本研究は, モジュラー演算関数の精度向上を目的とした, 量子回路の配列について述べる。
我々はPennyLane量子ソフトウェアにおける理論的枠組みと実践的実装を提供する。
論文 参考訳（メタデータ） (2023-11-14T21:34:39Z) - Classical and quantum reservoir computing: development and applications
in machine learning [0.0]
貯留層計算(Reservoir computing)は、非線形力学系を用いてデータから複雑な時間パターンを学習する、新しい機械学習アルゴリズムである。
この研究は、農業時系列予測を含む、非常に異なる領域にわたるアルゴリズムの堅牢性と適応性を実証している。
この論文の最後の貢献は、量子貯水池計算のためのアルゴリズム設計の最適化である。
論文 参考訳（メタデータ） (2023-10-11T13:01:05Z) - Efficient VQE Approach for Accurate Simulations on the Kagome Lattice [0.0]
本研究は,カゴメ格子上で有効な変分量子固有解法(VQE)を作成するために,複数のアンサッツモデルを使用することに焦点を当てる。
様々な最適化手法を比較し,VQEアザッツモデルを最適化することにより,基底状態特性を高精度に推定する。
論文 参考訳（メタデータ） (2023-06-01T09:14:34Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - 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)
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。