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
- Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳(メタデータ) (2023-11-13T09:46:05Z) - Enhancing Quantum Annealing in Digital-Analog Quantum Computing [0.0]
デジタルアナログ量子コンピューティング(DAQC)は、実用的な量子コンピュータを構築する際の課題に対処するための有望なアプローチを提供する。
本稿では,量子アニールの性能向上を目的としたアルゴリズムを提案する。
本研究では、量子回路を用いた量子データ処理が、量子情報を捨てる古典的なデータ処理より優れていることを示す。
論文 参考訳(メタデータ) (2023-06-03T09:16:15Z) - 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) - Data-Driven Quantum Approximate Optimization Algorithm for
Cyber-Physical Power Systems [5.767702870937779]
量子技術は、電力システムの計算問題に挑戦するための画期的な方法論を提供する。
正規化グラフ密度に基づいて重み付きグラフ間で準最適パラメータを転送するデータ駆動型QAOAを提案する。
この研究はQAOAを前進させ、ノイズの多い中間スケールの量子デバイスにおける電力システムへの量子技術の実用的応用を試みている。
論文 参考訳(メタデータ) (2022-04-02T01:55:28Z) - 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) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z)
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。