論文の概要: Machine learning on quantum experimental data toward solving quantum many-body problems

• arxiv url: http://arxiv.org/abs/2310.19416v1
• Date: Mon, 30 Oct 2023 10:25:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-01 20:45:08.956996
• Title: Machine learning on quantum experimental data toward solving quantum many-body problems
• Title（参考訳）: 量子多体問題解決に向けた量子実験データの機械学習
• Authors: Gyungmin Cho, Dohun Kim
• Abstract要約: 最大44量子ビットのシステムに対する古典的機械学習アルゴリズムの実装を成功例に示す。 我々は、多体物理学に関心のある問題に対するハイブリッドアプローチの適用性を拡張した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advancements in the implementation of quantum hardware have enabled the acquisition of data that are intractable for emulation with classical computers. The integration of classical machine learning (ML) algorithms with these data holds potential for unveiling obscure patterns. Although this hybrid approach extends the class of efficiently solvable problems compared to using only classical computers, this approach has been realized for solving restricted problems because of the prevalence of noise in current quantum computers. Here, we extend the applicability of the hybrid approach to problems of interest in many-body physics, such as predicting the properties of the ground state of a given Hamiltonian and classifying quantum phases. By performing experiments with various error-reducing procedures on superconducting quantum hardware with 127 qubits, we managed to acquire refined data from the quantum computer. This enabled us to demonstrate the successful implementation of classical ML algorithms for systems with up to 44 qubits. Our results verify the scalability and effectiveness of the classical ML algorithms for processing quantum experimental data.
• Abstract（参考訳）: 量子ハードウェアの実装の進歩により、古典的コンピュータによるエミュレーションでは難解なデータの獲得が可能となった。 これらのデータと古典的機械学習(ML)アルゴリズムの統合は、あいまいなパターンを明らかにする可能性を秘めている。 このハイブリッドアプローチは、古典的コンピュータのみを用いた場合と比較して、効率よく解ける問題のクラスを拡大するが、現在の量子コンピュータにおけるノイズの出現により、制限された問題を解くために実現されている。 ここでは、与えられたハミルトニアンの基底状態の性質の予測や量子位相の分類など、多体物理学における興味のある問題へのハイブリッドアプローチの適用性を拡張する。 127量子ビットの超伝導量子ハードウェア上で,様々なエラー低減手法を用いて実験を行い,量子コンピュータから洗練されたデータを取得することができた。 これにより,最大44キュービットのシステムに対して,古典的MLアルゴリズムの実装を成功させることができた。 量子実験データ処理における古典的MLアルゴリズムのスケーラビリティと有効性を検証する。

関連論文リスト

• 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)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
  本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。 小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-01T20:55:03Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Long-lived Particles Anomaly Detection with Parametrized Quantum Circuits [0.0]
  パラメタライズド量子回路に基づく異常検出アルゴリズムを提案する。 このアルゴリズムは古典的なコンピュータで訓練され、シミュレーションや実際の量子ハードウェアでテストされている。
  論文  参考訳（メタデータ） (2023-12-07T11:50:42Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• A preprocessing perspective for quantum machine learning classification advantage using NISQ algorithms [0.0]
  変分量子アルゴリズム(VQA)は,LDA法とバランスの取れた精度で性能が向上したことを示す。 現在の量子コンピュータはノイズが多く、テストする量子ビットは少ないため、QML法の現在の量子的利点と潜在的な量子的優位性を実証することは困難である。
  論文  参考訳（メタデータ） (2022-08-28T16:58:37Z)
• Model-Independent Error Mitigation in Parametric Quantum Circuits and Depolarizing Projection of Quantum Noise [1.5162649964542718]
  与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。 Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。 現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
  論文  参考訳（メタデータ） (2021-11-30T16:08:01Z)
• Limitations of optimization algorithms on noisy quantum devices [0.0]
  我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。 我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
  論文  参考訳（メタデータ） (2020-09-11T17:07:26Z)
• 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。