Fugu-MT 論文翻訳(概要): Machine learning for efficient generation of universal hybrid quantum computing resources

論文の概要: Machine learning for efficient generation of universal hybrid quantum computing resources

arxiv url: http://arxiv.org/abs/2310.03130v1
Date: Wed, 4 Oct 2023 19:40:02 GMT
ステータス: 処理完了
システム内更新日: 2023-10-06 20:31:56.673828
Title: Machine learning for efficient generation of universal hybrid quantum computing resources
Title（参考訳）: 汎用ハイブリッド量子コンピューティング資源の効率的な生成のための機械学習
Authors: Amanuel Anteneh, Olivier Pfister
Abstract要約: 計測に基づく量子プロセッサにおける深部強化学習の数値シミュレーションを提案する。猫を絞った状態を生成し、平均成功率は98%であり、他の同様の提案をはるかに上回っている。
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: We present numerical simulations of deep reinforcement learning on a measurement-based quantum processor--a time-multiplexed optical circuit sampled by photon-number-resolving detection--and find it generates squeezed cat states with an average success rate of 98%, far outperforming all other similar proposals.
Abstract（参考訳）: 我々は,光子数分解検出法によりサンプリングされた時間多重光回路である計測ベース量子プロセッサ上での深部強化学習の数値シミュレーションを行い,これを平均成功率98%で生成し,同様の提案をはるかに上回った。

関連論文リスト

A Hybrid Approach to Mitigate Errors in Linear Photonic Bell-State Measurement for Quantum Interconnects [0.0]
ベル状態測定のための新しいハイブリッド検出手法を提案する。量子テレポーテーションとエンタングルメントスワッププロセスの明確な忠実さを導出する。この研究は、線形光学スキームのための新しいツールを提供し、量子状態工学と量子相互接続への応用を提供する。
論文参考訳（メタデータ） (2024-06-14T18:00:00Z)
An error-mitigated photonic quantum circuit Born machine [0.0]
生成機械学習モデルは、新しいサンプルを生成するために、データの基盤となる分布を学習することを目的としている。量子回路ボーンマシン(QCBM)は、浅い回路上で実装可能な量子生成モデルの一般的な選択である。本稿では,光子損失を伴う現実的なシナリオにおけるQCBMのトレーニングを大幅に改善する,リサイクル緩和と呼ばれる新しいエラー軽減手法について述べる。
論文参考訳（メタデータ） (2024-05-03T17:53:15Z)
Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文参考訳（メタデータ） (2023-11-07T04:35:03Z)
Deep Quantum Circuit Simulations of Low-Energy Nuclear States [51.823503818486394]
深部量子回路の高速数値シミュレーションの進歩について述べる。 21キュービットまでの回路と 115,000,000以上のゲートを効率的にシミュレートできる。
論文参考訳（メタデータ） (2023-10-26T19:10:58Z)
Simulating photon counting from dynamic quantum emitters by exploiting zero-photon measurements [0.0]
ゼロ光子計測結果に隠された情報を利用すると、時間積分光子計数シミュレーションの指数的高速化が得られることを示す。これにより、前例のないレベルの物理的詳細を持つ大規模なフォトニクス実験のシミュレーションが可能になる。
論文参考訳（メタデータ） (2023-07-31T11:45:32Z)
Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文参考訳（メタデータ） (2022-12-17T05:51:17Z)
Advantages and Bottlenecks of Quantum Machine Learning for Remote Sensing [63.69764116066747]
本稿では,量子コンピュータの概要を説明し,量子画像分類手法の既存手法を考察し,これらのアルゴリズムを現在利用可能なオープンソースプラットフォーム上で実行する際のボトルネックについて考察する。次のステップでは、量子隠蔽層のサイズを拡大し、さまざまな出力イメージオプションを拡大する。
論文参考訳（メタデータ） (2021-01-26T09:31:46Z)
Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文参考訳（メタデータ） (2020-12-08T01:10:30Z)
Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文参考訳（メタデータ） (2020-10-01T16:04:22Z)
Quantum ensemble of trained classifiers [2.048335092363436]
量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
論文参考訳（メタデータ） (2020-07-18T01:01:33Z)
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。