論文の概要: A general learning scheme for classical and quantum Ising machines

• arxiv url: http://arxiv.org/abs/2310.18411v1
• Date: Fri, 27 Oct 2023 18:07:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-31 18:45:23.757526
• Title: A general learning scheme for classical and quantum Ising machines
• Title（参考訳）: 古典的および量子イジングマシンの一般学習スキーム
• Authors: Ludwig Schmid, Enrico Zardini, Davide Pastorello
• Abstract要約: 本稿では,Ising構造に基づく機械学習モデルを提案する。 提案した学習モデルのトレーニングと実行に関する実験結果を示す。 特に量子領域では、量子リソースはモデルの実行とトレーニングの両方に使用され、量子機械学習において有望な視点を提供する。
• 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: An Ising machine is any hardware specifically designed for finding the ground state of the Ising model. Relevant examples are coherent Ising machines and quantum annealers. In this paper, we propose a new machine learning model that is based on the Ising structure and can be efficiently trained using gradient descent. We provide a mathematical characterization of the training process, which is based upon optimizing a loss function whose partial derivatives are not explicitly calculated but estimated by the Ising machine itself. Moreover, we present some experimental results on the training and execution of the proposed learning model. These results point out new possibilities offered by Ising machines for different learning tasks. In particular, in the quantum realm, the quantum resources are used for both the execution and the training of the model, providing a promising perspective in quantum machine learning.
• Abstract（参考訳）: イジングマシンは、イジングモデルの基底状態を見つけるために特別に設計されたハードウェアである。 関連する例として、コヒーレントなイジングマシンや量子アニールがある。 本稿では,イジング構造に基づいて,勾配降下を用いて効率的に学習できる新しい機械学習モデルを提案する。 部分微分が明示的に計算されるのではなく、イジングマシン自体によって推定される損失関数を最適化した訓練過程の数学的特徴付けを提供する。 さらに,提案した学習モデルの訓練と実行に関する実験結果を示す。 これらの結果は、Isingマシンが異なる学習タスクにもたらす新たな可能性を示している。 特に量子領域では、量子リソースはモデルの実行とトレーニングの両方に使用され、量子機械学習において有望な視点を提供する。

関連論文リスト

• Attribute-to-Delete: Machine Unlearning via Datamodel Matching [65.13151619119782]
  機械学習 -- 事前訓練された機械学習モデルで、小さな"ターゲットセット"トレーニングデータを効率的に削除する -- は、最近関心を集めている。 最近の研究では、機械学習技術はこのような困難な環境では耐えられないことが示されている。
  論文  参考訳（メタデータ） (2024-10-30T17:20:10Z)
• 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)
• Generative model for learning quantum ensemble via optimal transport loss [0.9404723842159504]
  量子アンサンブルを学習できる量子生成モデルを提案する。 提案したモデルは、量子デバイスのヘルスチェックのような幅広い応用の道を開く。
  論文  参考訳（メタデータ） (2022-10-19T17:35:38Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Overfitting in quantum machine learning and entangling dropout [0.9404723842159504]
  機械学習の最終的な目標は、目に見えないデータセットの一般化機能を持つモデル関数を構築することである。 モデル関数が表現力過剰な場合、トレーニングデータに過度に適合し、結果として一般化能力を失う可能性がある。 本稿では,量子機械学習システムにおけるこの手法の簡単な類似点であるエンタングリングドロップアウトを提案する。
  論文  参考訳（メタデータ） (2022-05-23T16:35:46Z)
• Quantum machine learning beyond kernel methods [0.0]
  パラメタライズド量子回路モデルは、カーネルの定式化よりも極めて優れた一般化性能を示すことを示す。 我々の結果は、カーネルの定式化の隣の量子機械学習モデルのより包括的な理論に向けた別のステップを構成する。
  論文  参考訳（メタデータ） (2021-10-25T18:00:02Z)
• Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
  本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。 与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。 我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
  論文  参考訳（メタデータ） (2021-08-04T16:32:59Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• A Review of Machine Learning Classification Using Quantum Annealing for Real-world Applications [1.8047694351309205]
  物理量子アニールの実装は、D-Waveシステムによって実現されている。 量子アニールを用いた各種機械学習アプリケーションに関する最近の実験結果から興味深い結果が得られた。 我々は、画像認識、リモートセンシング画像、計算生物学、粒子物理学などの応用のために、D-Wave量子アニールを用いた実験を議論し、分析する。
  論文  参考訳（メタデータ） (2021-06-05T21:15:34Z)
• Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
  グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。 この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。 我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
  論文  参考訳（メタデータ） (2020-01-15T18:36:53Z)

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。