Fugu-MT 論文翻訳(概要): Finding Optimal Training Parameters for Quantum Generative Adversarial Networks

論文の概要: Finding Optimal Training Parameters for Quantum Generative Adversarial Networks

arxiv url: http://arxiv.org/abs/2310.19117v1
Date: Sun, 29 Oct 2023 19:09:18 GMT
ステータス: 処理完了
システム内更新日: 2023-10-31 14:09:06.900986
Title: Finding Optimal Training Parameters for Quantum Generative Adversarial Networks
Title（参考訳）: 量子生成逆ネットワークのための最適学習パラメータの探索
Authors: C. Strynar, R.M. Rajapakse
Abstract要約: 近年、MLの最も印象的かつ認識可能な成果の2つは、双方とも敵対的手法を用いて訓練された。 QGANは、古典的なデータを量子状態にロードする非常に効率的な方法を提供する。本稿では,これらの手法の性能を,カイスキットスタイルの最適トレーニングパラメータのいくつかを決定するために検討する。回路化されたQGANフレームワーク。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Some of the most impressive achievements of contemporary Machine Learning systems comes from the GAN (Generative Adversarial Network) structure. DALLE-2 and GPT- 3, two of the most impressive and recognizable feats of ML in recent years, were both trained using adversarial techniques. The world of Quantum Computing is already well aware of the value of such techniques on near-term Quantum Hardware: QGANs provide a highly efficient method for loading classical data into a quantum state. We investigate the performance of these techniques in an attempt to determine some of the optimal training parameters in a Qiskit-style Parameterized Circuit QGAN framework.
Abstract（参考訳）: 現代の機械学習システムの最も印象的な成果は、GAN(Generative Adversarial Network)構造によるものである。 DALLE-2とGPT-3はMLの最も印象的かつ認識しやすい成果の2つであり、どちらも敵の手法を用いて訓練された。 QGANは、古典的なデータを量子状態にロードする非常に効率的な方法を提供します。本稿では,QGANフレームワークにおける最適トレーニングパラメータのいくつかを決定するために,これらの手法の性能について検討する。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
Qompose: A Technique to Select Optimal Algorithm- Specific Layout for Neutral Atom Quantum Architectures [10.264543064788711]
我々は、中性原子の2次元トポロジ上の量子回路を効率的に構成するための中性原子量子コンピューティングフレームワークであるQomposeを提案する。評価の結果,Qomposeはランダムに生成する量子回路の大規模なコレクションや実世界のベンチマークに有効であることが示された。
論文参考訳（メタデータ） (2024-09-29T23:03:08Z)
Strategic Data Re-Uploads: A Pathway to Improved Quantum Classification Data Re-Uploading Strategies for Improved Quantum Classifier Performance [0.0]
古典情報を複数回量子状態に再アップロードすると、量子分類器の精度が向上する。線形分類パターン(LCP)と非線形分類パターン(NLCP)の2つの分類パターンに対するアプローチを実証する。
論文参考訳（メタデータ） (2024-05-15T14:28:00Z)
A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文参考訳（メタデータ） (2023-03-27T22:48:28Z)
Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文参考訳（メタデータ） (2022-09-01T17:08:41Z)
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-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)
Matrix Product State Pre-Training for Quantum Machine Learning [0.1259953341639576]
並列量子回路(PQC)は、量子化学と量子最適化問題の基盤として使われてきた。本稿では,行列製品状態機械学習に基づく回路事前学習手法を提案する。
論文参考訳（メタデータ） (2021-06-10T13:43:30Z)
Automatic design of quantum feature maps [0.3867363075280543]
量子支援ベクトルマシン(QSVM)を用いた最適アドホックアンゼの自動生成手法を提案する。この効率的な方法はNSGA-II多目的遺伝的アルゴリズムに基づいており、精度を最大化し、アンザッツサイズを最小化することができる。
論文参考訳（メタデータ） (2021-05-26T15:31:10Z)
Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文参考訳（メタデータ） (2021-04-30T20:38:41Z)
Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
論文参考訳（メタデータ） (2020-10-14T18:05:49Z)

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。