Fugu-MT 論文翻訳(概要): QuGeo: An End-to-end Quantum Learning Framework for Geoscience -- A Case Study on Full-Waveform Inversion

論文の概要: QuGeo: An End-to-end Quantum Learning Framework for Geoscience -- A Case Study on Full-Waveform Inversion

arxiv url: http://arxiv.org/abs/2311.12333v1
Date: Tue, 21 Nov 2023 03:49:09 GMT
ステータス: 処理完了
システム内更新日: 2023-11-23 02:22:30.343755
Title: QuGeo: An End-to-end Quantum Learning Framework for Geoscience -- A Case Study on Full-Waveform Inversion
Title（参考訳）: QuGeo:地球科学のためのエンドツーエンド量子学習フレームワーク-フルウェーブフォームインバージョンを事例として
Authors: Weiwen Jiang, Youzuo Lin
Abstract要約: QuGeoは画期的な量子学習フレームワークとして登場し、地球科学における重要な応用と位置づけられている。このフレームワークは、変分量子回路と地球科学を統合し、量子コンピューティングと地球物理解析の新たな融合を表現している。 OpenFWIのFlatVelAデータセット実験では、QuGeoの変分量子回路は576のパラメータしか持たず、性能が大幅に向上した。
参考スコア（独自算出の注目度）: 11.179404180354286
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The rapid advancement of quantum computing has generated considerable anticipation for its transformative potential. However, harnessing its full potential relies on identifying "killer applications". In this regard, QuGeo emerges as a groundbreaking quantum learning framework, poised to become a key application in geoscience, particularly for Full-Waveform Inversion (FWI). This framework integrates variational quantum circuits with geoscience, representing a novel fusion of quantum computing and geophysical analysis. This synergy unlocks quantum computing's potential within geoscience. It addresses the critical need for physics-guided data scaling, ensuring high-performance geoscientific analyses aligned with core physical principles. Furthermore, QuGeo's introduction of a quantum circuit custom-designed for FWI highlights the critical importance of application-specific circuit design for quantum computing. In the OpenFWI's FlatVelA dataset experiments, the variational quantum circuit from QuGeo, with only 576 parameters, achieved significant improvement in performance. It reached a Structural Similarity Image Metric (SSIM) score of 0.905 between the ground truth and the output velocity map. This is a notable enhancement from the baseline design's SSIM score of 0.800, which was achieved without the incorporation of physics knowledge.
Abstract（参考訳）: 量子コンピューティングの急速な進歩は、その変換ポテンシャルに対するかなりの期待を生み出した。しかし、その潜在能力を最大限に活用するには、"キラーアプリケーション"の識別に頼っている。この点において、QuGeoは、特にFull-Waveform Inversion (FWI)において、地球科学における重要な応用となりそうな、画期的な量子学習フレームワークとして登場した。この枠組みは変分量子回路とジオサイエンスを統合し、量子コンピューティングと物理解析の新しい融合を表している。このシナジーは、地球科学における量子コンピューティングのポテンシャルを解き放つ。物理誘導データスケーリングに対する重要なニーズに対処し、核となる物理原理に沿った高性能な地質学的分析を保証する。さらに、QuGeoのFWI用にカスタム設計された量子回路の導入は、量子コンピューティングにおけるアプリケーション固有の回路設計の重要性を強調している。 OpenFWIのFlatVelAデータセット実験では、QuGeoの変分量子回路は576のパラメータしか持たず、性能が大幅に向上した。これは、基底真理と出力速度マップの間の0.905という構造的類似性画像メトリック(ssim)スコアに達した。これは標準設計のSSIMスコア0.800から顕著な向上であり、物理学の知識を取り入れることなく達成された。

関連論文リスト

From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
論文参考訳（メタデータ） (2024-08-12T22:53:14Z)
Exploring quantum localization with machine learning [39.58317527488534]
本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
論文参考訳（メタデータ） (2024-06-01T08:50:26Z)
Utilizing Quantum Processor for the Analysis of Strongly Correlated Materials [34.63047229430798]
本研究では,従来の量子クラスター法を量子回路モデルに適用することにより,強い相関関係を解析するための体系的アプローチを提案する。我々は、クラスタのグリーン関数を計算するためのより簡潔な公式を開発し、複雑な演算ではなく、量子回路上の実数計算のみを必要とする。
論文参考訳（メタデータ） (2024-04-03T06:53:48Z)
Quantum algorithms for scientific computing [0.0]
ハイパフォーマンスコンピューティングに最も影響を与えるであろう分野には、量子システムのシミュレーション、最適化、機械学習などがある。現代の古典的技術に対する控えめな量子増強でさえ、気象予報、航空宇宙工学、持続可能な開発のための「グリーン」材料の設計といった分野において、はるかに大きな影響を及ぼすであろう。
論文参考訳（メタデータ） (2023-12-22T18:29:31Z)
Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。本稿では,量子アルゴリズムの応用分野について検討する。私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文参考訳（メタデータ） (2023-10-04T17:53:55Z)
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)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Quantum computational intelligence for traveltime seismic inversion [0.0]
我々は、勾配のない量子回路学習に基づく短期量子アルゴリズムによる旅行時地震動インバージョンのためのアプローチを実装した。ノイズがあっても、何千もの量子ビットを持つ量子コンピュータは、物理問題を解くことができることを実証する。
論文参考訳（メタデータ） (2022-08-11T12:36:58Z)
Optimal Mapping for Near-Term Quantum Architectures based on Rydberg Atoms [0.18188255328029254]
量子アルゴリズムは、暗号、化学、材料科学への応用のために二次的または指数的なスピードアップを約束する。今日の量子コンピュータのトポロジーは、限られた接続性を提供し、そのような量子アルゴリズムを実装する上で大きなオーバーヘッドをもたらす。このような一次元トポロジ変位を利用した最初の最適量子回路-アーキテクチャマッピングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-09-09T11:33:43Z)
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)
QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。