論文の概要: Assessing the Impact of Noise on Quantum Neural Networks: An
Experimental Analysis
- arxiv url: http://arxiv.org/abs/2311.14057v1
- Date: Thu, 23 Nov 2023 15:22:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 23:17:04.071953
- Title: Assessing the Impact of Noise on Quantum Neural Networks: An
Experimental Analysis
- Title（参考訳）: 量子ニューラルネットワークにおけるノイズの影響評価 : 実験的検討
- Authors: Erik B. Terres Escudero, Danel Arias Alamo, Oier Mentxaka G\'omez,
Pablo Garc\'ia Bringas
- Abstract要約: 量子コンピューティングでは、量子ニューラルネットワーク(QNN)の潜在的な利点がますます明らかになっている。
ノイズの多い中間スケール量子(NISQ)プロセッサはエラーを起こしやすいため、複雑なアルゴリズムや量子機械学習の実行には大きな課題がある。
本稿では,QNNに対するノイズの影響を包括的に分析し,様々なノイズモデルの下でのMottonen状態生成アルゴリズムについて検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the race towards quantum computing, the potential benefits of quantum
neural networks (QNNs) have become increasingly apparent. However, Noisy
Intermediate-Scale Quantum (NISQ) processors are prone to errors, which poses a
significant challenge for the execution of complex algorithms or quantum
machine learning. To ensure the quality and security of QNNs, it is crucial to
explore the impact of noise on their performance. This paper provides a
comprehensive analysis of the impact of noise on QNNs, examining the Mottonen
state preparation algorithm under various noise models and studying the
degradation of quantum states as they pass through multiple layers of QNNs.
Additionally, the paper evaluates the effect of noise on the performance of
pre-trained QNNs and highlights the challenges posed by noise models in quantum
computing. The findings of this study have significant implications for the
development of quantum software, emphasizing the importance of prioritizing
stability and noise-correction measures when developing QNNs to ensure reliable
and trustworthy results. This paper contributes to the growing body of
literature on quantum computing and quantum machine learning, providing new
insights into the impact of noise on QNNs and paving the way towards the
development of more robust and efficient quantum algorithms.
- Abstract（参考訳）: 量子コンピューティングへの競争の中で、量子ニューラルネットワーク(QNN)の潜在的な利点はますます明らかになっている。
しかし、Noisy Intermediate-Scale Quantum (NISQ)プロセッサはエラーを起こしやすいため、複雑なアルゴリズムや量子機械学習の実行には大きな課題がある。
QNNの品質とセキュリティを確保するためには,ノイズがパフォーマンスに与える影響を検討することが重要である。
本稿では,qnnに対する雑音の影響を包括的に解析し,様々なノイズモデルに基づくモットネン状態生成アルゴリズムを調べ,qnnの複数の層を通過する量子状態の劣化について検討する。
さらに,事前学習されたqnnの性能に対する雑音の影響を評価し,量子コンピューティングにおけるノイズモデルによる課題を強調する。
本研究は,QNNの開発における安定性とノイズ補正の優先順位付けの重要性を強調し,信頼性と信頼性を確保することを目的とする。
本稿では,量子コンピューティングと量子機械学習に関する文献の発展に寄与し,ノイズがqnnに与える影響に関する新たな知見を提供し,より堅牢で効率的な量子アルゴリズムの開発への道を開く。
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) - Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation
via Neural Networks [0.4779196219827508]
変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。
量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。
本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-10T15:35:41Z) - Quantum Mixed-State Self-Attention Network [3.1280831148667105]
本稿では、量子コンピューティングの原理と古典的な機械学習アルゴリズムを統合する新しい量子混合状態注意ネットワーク(QMSAN)を紹介する。
QMSANモデルは混合状態に基づく量子アテンション機構を採用し、量子領域内のクエリとキー間の類似性を効率的に直接推定することを可能にする。
本研究は,QMSANが低雑音に対する可換ロバスト性を有することを示すため,異なる量子雑音環境におけるモデルのロバスト性について検討した。
論文 参考訳（メタデータ） (2024-03-05T11:29:05Z) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - 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) - Impact of quantum noise on the training of quantum Generative
Adversarial Networks [0.0]
我々は、異なる種類の量子ノイズが存在する場合の量子生成逆数ネットワーク(qGAN)の性能について、最初の研究を行う。
特に,qGAN学習過程におけるリードアウトと2ビットゲート誤差の影響について検討する。
論文 参考訳（メタデータ） (2022-03-02T10:35:34Z) - Simulating noisy variational quantum eigensolver with local noise models [4.581041382009666]
変分量子固有解法 (VQE) は, 近時雑音中規模量子コンピュータにおいて量子優位性を示すことを約束している。
VQEの中心的な問題はノイズ、特に物理ノイズが現実的な量子コンピュータに与える影響である。
本稿では,様々な局所雑音モデルを用いた数値シミュレーションにより,VQEアルゴリズムの雑音効果を系統的に検討する。
論文 参考訳（メタデータ） (2020-10-28T08:51:59Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳（メタデータ） (2020-07-24T06:34:34Z) - 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。