論文の概要: Classical and quantum reservoir computing: development and applications
in machine learning
- arxiv url: http://arxiv.org/abs/2310.07455v1
- Date: Wed, 11 Oct 2023 13:01:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-13 07:38:39.387742
- Title: Classical and quantum reservoir computing: development and applications
in machine learning
- Title（参考訳）: 古典的および量子的貯水池計算 : 機械学習の開発と応用
- Authors: Laia Domingo
- Abstract要約: 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。
- 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: Reservoir computing is a novel machine learning algorithm that uses a
nonlinear dynamical system to efficiently learn complex temporal patterns from
data. The objective of this thesis is to investigate the principles of
reservoir computing and develop state-of-the-art variants capable of addressing
diverse applications in machine learning. The research demonstrates the
algorithm's robustness and adaptability across very different domains,
including agricultural time series forecasting and the time propagation of
quantum systems. The first contribution of this thesis consists in developing a
reservoir computing-based methodology to predict future agricultural product
prices, which is crucial for ensuring the sustainability of the food market.
The next contribution of the thesis is devoted to solving the Schr\"odinger
equation for complex quantum systems. A novel reservoir computing framework is
proposed to efficiently propagate quantum wavefunctions in time, enabling the
computation of all eigenstates of a quantum system within a specific energy
range. This approach is used to study prominent systems in the field of quantum
chemistry and quantum chaos. The last contribution of this thesis focuses on
optimizing algorithm designs for quantum reservoir computing. The results
demonstrate that families of quantum circuits with higher complexity, according
to the majorization criterion, yield superior performance in quantum machine
learning. Moreover, the impact of quantum noise on the algorithm performance is
evaluated, revealing that the amplitude damping noise can actually be
beneficial for the performance of quantum reservoir computing, while the
depolarizing and phase damping noise should be prioritized for correction.
Furthermore, the optimal design of quantum reservoirs is employed to construct
a hybrid quantum-classical neural network that tackles a fundamental problem in
drug design.
- Abstract（参考訳）: 貯留層計算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効率的に学習する新しい機械学習アルゴリズムである。
この論文の目的は、リザーバコンピューティングの原理を調査し、機械学習の多様な応用に対処できる最先端の変種を開発することである。
この研究は、農業時系列予測や量子システムの時間伝播など、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示す。
この論文の最初の貢献は、将来の農産物価格を予測するための貯水池計算に基づく手法を開発することである。
論文の次の貢献は、複素量子系に対するシュル=オディンガー方程式の解法である。
量子波動関数を効率的に伝播し、特定のエネルギー範囲内で量子系のすべての固有状態の計算を可能にする新しい貯留層計算フレームワークを提案する。
このアプローチは、量子化学と量子カオスの分野における顕著なシステムの研究に用いられる。
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。
その結果、より複雑性の高い量子回路のファミリーは、メジャー化基準により、量子機械学習において優れた性能をもたらすことが示されている。
さらに, 量子ノイズがアルゴリズム性能に与える影響を評価し, 振幅減衰ノイズは量子貯留層計算の性能に有益であり, 脱分極・位相減衰ノイズは補正に優先すべきであることを明らかにした。
さらに、量子貯水池の最適設計は、薬物設計の根本的な問題に取り組むハイブリッド量子古典ニューラルネットワークを構築するために用いられる。
関連論文リスト
- Comprehensive Survey of QML: From Data Analysis to Algorithmic Advancements [2.5686697584463025]
量子機械学習(Quantum Machine Learning)は、量子コンピューティングと機械学習の交差点におけるパラダイムシフトである。
この分野は、ハードウェアの制約、ノイズ、量子ビットコヒーレンス(英語版)の制限など、重大な課題に直面している。
この調査は、実用的な実世界のアプリケーションに向けて量子機械学習を進めるための基盤となるリソースを提供することを目的としている。
論文 参考訳（メタデータ） (2025-01-16T13:25:49Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。
アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。
本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
論文 参考訳（メタデータ） (2024-07-02T18:00:00Z) - Quantum reservoir complexity by Krylov evolution approach [0.0]
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。
論文 参考訳（メタデータ） (2023-10-01T21:06:25Z) - 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) - Configured Quantum Reservoir Computing for Multi-Task Machine Learning [24.698475208639586]
量子貯水池計算のためのプログラム可能なNISQデバイスのダイナミクスについて検討する。
単一の構成の量子貯水池は、同時に複数のタスクを学習することができる。
量子貯水池における量子コヒーレンス(quantum coherence, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス)
論文 参考訳（メタデータ） (2023-03-30T18:00:02Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - 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) - 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) - Resource-efficient encoding algorithm for variational bosonic quantum
simulations [0.0]
量子コンピューティングのノイズ中間スケール量子(NISQ)時代には、量子資源は限られている。
ボゾン基底と励起状態計算のための資源効率のよい量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-23T19:00:05Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。