論文の概要: Squeezing as a resource for time series processing in quantum reservoir computing

• arxiv url: http://arxiv.org/abs/2310.07406v2
• Date: Mon, 16 Oct 2023 20:44:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 19:58:26.715767
• Title: Squeezing as a resource for time series processing in quantum reservoir computing
• Title（参考訳）: 量子貯留層計算における時系列処理資源としてのスクイーズ
• Authors: Jorge Garc\'ia-Beni, Gian Luca Giorgi, Miguel C. Soriano and Roberta Zambrini
• Abstract要約: 時系列処理におけるニューロモルフィック機械学習におけるスクイーズの効果について考察する。 特に,貯水池計算のためのループ型フォトニックアーキテクチャについて考察する。 マルチモードスクイーズによりアクセス可能なメモリが向上し,複数のベンチマーク時間的タスクのパフォーマンスが向上することを示す。
• 参考スコア（独自算出の注目度）: 3.072340427031969
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Squeezing is known to be a quantum resource in many applications in metrology, cryptography, and computing, being related to entanglement in multimode settings. In this work, we address the effects of squeezing in neuromorphic machine learning for time series processing. In particular, we consider a loop-based photonic architecture for reservoir computing and address the effect of squeezing in the reservoir, considering a Hamiltonian with both active and passive coupling terms. Interestingly, squeezing can be either detrimental or beneficial for quantum reservoir computing when moving from ideal to realistic models, accounting for experimental noise. We demonstrate that multimode squeezing enhances its accessible memory, which improves the performance in several benchmark temporal tasks. The origin of this improvement is traced back to the robustness of the reservoir to readout noise as squeezing increases.
• Abstract（参考訳）: Squeezingは、メトロジー、暗号、コンピューティングなど多くの分野で量子リソースとして知られており、マルチモード設定における絡み合いに関連している。 本稿では,時系列処理のためのニューロモルフィック機械学習におけるスクイーズの効果について述べる。 特に,循環型フォトニックアーキテクチャを貯留層計算に適用し,アクティブ結合項とパッシブ結合項の両方を持つハミルトニアンを考慮し,貯水池におけるスクイーズの効果に対処する。 興味深いことに、スクイージングは理想的なモデルから現実的なモデルに移行するとき、実験的なノイズを考慮し、量子貯水池コンピューティングに有害または有用である。 マルチモードスクイーズによりアクセス可能なメモリが向上し,複数のベンチマーク時間的タスクのパフォーマンスが向上することを示す。 この改善の起源は、スクイーズが増加するにつれて、貯水池のロバスト性や再生ノイズにまで遡る。

関連論文リスト

• Stochastic Reservoir Computers [0.0]
  貯水池計算では、貯水池のコンピュータ全体の異なる状態の数は、貯水池のハードウェアのサイズに比例して指数関数的にスケールすることができる。 ショットノイズは貯水池計算の性能に限界があるが,ノイズの影響が小さい場合,類似のハードウェアを持つ貯水池コンピュータに比べて性能が大幅に向上した。
  論文  参考訳（メタデータ） (2024-05-20T21:26:00Z)
• Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
  スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。 スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。 我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-08T16:34:35Z)
• Deep Photonic Reservoir Computer for Speech Recognition [49.1574468325115]
  音声認識は人工知能の分野で重要な課題であり、目覚ましい進歩を目撃してきた。 深い貯水池コンピューティングはエネルギー効率が高いが、よりリソース集約的な機械学習アルゴリズムと比較して、パフォーマンスに制限がある。 フォトニック方式の深層貯水池コンピュータを提案し,その性能を音声認識タスクで評価する。
  論文  参考訳（メタデータ） (2023-12-11T17:43:58Z)
• 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)
• Optimizing quantum noise-induced reservoir computing for nonlinear and chaotic time series prediction [2.5427629797261297]
  我々は, 量子雑音による貯水池を改良し, 貯水池の騒音を表現的非線形信号を生成するための資源として利用する。 その結果,1つのノイズモデルと少ないメモリ容量で,非線形ベンチマークにおいて優れたシミュレーション結果が得られた。
  論文  参考訳（メタデータ） (2023-03-09T18:40:03Z)
• Dissipation as a resource for Quantum Reservoir Computing [3.4078654008228924]
  量子貯水池計算の分野における散逸によるポテンシャル増強について述べる。 連続散逸に基づく我々のアプローチは、従来の量子貯水池計算の提案の力学を再現するだけでなく、その応用も可能である。
  論文  参考訳（メタデータ） (2022-12-22T23:30:07Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• Natural quantum reservoir computing for temporal information processing [4.785845498722406]
  貯留層計算(Reservoir computing)は、人工的または物理的散逸動態を利用する時間情報処理システムである。 本稿では, 量子ビットに付加される自然ノイズによって散逸特性が供給される貯水池として, 現実の超伝導量子コンピューティングデバイスを用いる方法を提案する。
  論文  参考訳（メタデータ） (2021-07-13T01:58:57Z)
• Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
  我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。 これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。 シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
  論文  参考訳（メタデータ） (2021-05-20T17:06:52Z)

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。