論文の概要: Tensor networks for interpretable and efficient quantum-inspired machine learning

• arxiv url: http://arxiv.org/abs/2311.11258v1
• Date: Sun, 19 Nov 2023 07:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 21:22:39.777233
• Title: Tensor networks for interpretable and efficient quantum-inspired machine learning
• Title（参考訳）: 解釈可能かつ効率的な量子インスパイア機械学習のためのテンソルネットワーク
• Authors: Shi-Ju Ran and Gang Su
• Abstract要約: ネットワーク(英: Network, TN)は、量子力学から派生した、よく確立された数学的ツールである。 量子コンピュータ上での急速な開発により、TNは量子ハードウェア上で実行可能な新しいスキームを考案することが期待されている。
• 参考スコア（独自算出の注目度）: 0.4895118383237099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is a critical challenge to simultaneously gain high interpretability and efficiency with the current schemes of deep machine learning (ML). Tensor network (TN), which is a well-established mathematical tool originating from quantum mechanics, has shown its unique advantages on developing efficient ``white-box'' ML schemes. Here, we give a brief review on the inspiring progresses made in TN-based ML. On one hand, interpretability of TN ML is accommodated with the solid theoretical foundation based on quantum information and many-body physics. On the other hand, high efficiency can be rendered from the powerful TN representations and the advanced computational techniques developed in quantum many-body physics. With the fast development on quantum computers, TN is expected to conceive novel schemes runnable on quantum hardware, heading towards the ``quantum artificial intelligence'' in the forthcoming future.
• Abstract（参考訳）: ディープラーニング(ML)の現在のスキームと高い解釈可能性と効率を同時に獲得することは、重要な課題である。 量子力学から派生したよく確立された数学的ツールであるテンソルネットワーク(TN)は、効率的な「ホワイトボックス」MLスキームを開発する上で、その独特な利点を示している。 本稿では,TNベースのMLにおけるインスピレーションの進展について概説する。 一方、TN MLの解釈性は、量子情報と多体物理学に基づく固い理論基盤に適合する。 一方で、強力なtn表現や量子多体物理学で開発された高度な計算技術から高い効率を得られる。 量子コンピュータの急速な発展に伴い、TNは量子ハードウェア上で実行可能な新しいスキームを思いつき、近い将来「量子人工知能」へと進むことが期待されている。

関連論文リスト

• End-to-End Quantum Vision Transformer: Towards Practical Quantum Speedup in Large-Scale Models [20.72342380227143]
  本稿では、革新的な量子残差接続技術を含む、エンドツーエンドの量子ビジョン変換器(QViT)を紹介する。 QViTの徹底的な分析により、理論上指数関数的複雑性と経験的スピードアップが明らかとなり、量子コンピューティングアプリケーションにおけるモデルの効率性とポテンシャルが示される。
  論文  参考訳（メタデータ） (2024-02-29T08:12:02Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Tensor networks for quantum machine learning [0.0]
  本稿では,MPS,PEPS,TTN,MERAなどのレイアウトを量子コンピュータにマップする方法について議論する。 また、機械学習やデータエンコーディングにどのように使用できるか、実装技術によってパフォーマンスが向上するかについても論じる。
  論文  参考訳（メタデータ） (2023-03-21T10:46:56Z)
• Challenges and Opportunities in Quantum Machine Learning [2.5671549335906367]
  量子機械学習(QML)は、特に量子データに対して、データ分析を加速する可能性がある。 ここでは、QMLの現在の方法と応用について概観する。 量子ニューラルネットワークと量子ディープラーニングに焦点をあてて、量子と古典的な機械学習の違いを強調します。
  論文  参考訳（メタデータ） (2023-03-16T17:10:39Z)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Quantum Neural Network Classifiers: A Tutorial [1.4567067583556714]
  我々は、パラメータ化量子回路の形で量子ニューラルネットワークに焦点を当てる。 我々は主に、教師付き学習タスクのための量子ニューラルネットワークの異なる構造と符号化戦略について議論する。 Julia言語で記述された量子シミュレーションパッケージであるYoo.jlを使って、パフォーマンスをベンチマークする。
  論文  参考訳（メタデータ） (2022-06-06T18:00:01Z)
• 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)
• 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)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。