論文の概要: Quantum Diffusion Models
- arxiv url: http://arxiv.org/abs/2311.15444v1
- Date: Sun, 26 Nov 2023 22:07:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 17:43:17.378227
- Title: Quantum Diffusion Models
- Title(参考訳): 量子拡散モデル
- Authors: Andrea Cacioppo, Lorenzo Colantonio, Simone Bordoni and Stefano Giagu
- Abstract要約: 生成拡散モデルの量子バージョンを提案する。
このアルゴリズムでは、量子状態を直接生成するために、ニューラルネットワークをパラメータ化量子回路に置き換える。
我々は、このアルゴリズムの完全量子バージョンと潜在量子バージョンの両方を示し、これらのモデルの条件付きバージョンも提示する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a quantum version of a generative diffusion model. In this
algorithm, artificial neural networks are replaced with parameterized quantum
circuits, in order to directly generate quantum states. We present both a full
quantum and a latent quantum version of the algorithm; we also present a
conditioned version of these models. The models' performances have been
evaluated using quantitative metrics complemented by qualitative assessments.
An implementation of a simplified version of the algorithm has been executed on
real NISQ quantum hardware.
- Abstract(参考訳): 我々は生成拡散モデルの量子バージョンを提案する。
このアルゴリズムでは、ニューラルネットワークは量子状態を直接生成するためにパラメータ化された量子回路に置き換えられる。
我々はアルゴリズムの完全な量子バージョンと潜在量子バージョンの両方を示し、これらのモデルの条件付きバージョンも提示する。
モデルの性能は質的評価によって補完される定量的指標を用いて評価されてきた。
アルゴリズムの簡易版の実装は、実際のNISQ量子ハードウェア上で実行されている。
関連論文リスト
- Optimal Quantum Circuit Design via Unitary Neural Networks [0.0]
本稿では,量子回路モデル表現に量子アルゴリズムの機能を合成する自動手法を提案する。
この訓練されたモデルが、元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証する。
論文 参考訳(メタデータ) (2024-08-23T16:41:15Z) - Explicit quantum surrogates for quantum kernel models [0.6834295298053009]
暗黙的モデルの明示的量子サロゲート(EQS)を作成するための量子古典ハイブリッドアルゴリズムを提案する。
これには、暗黙のモデルから観測可能なものを対角化し、対応する量子回路を構築することが含まれる。
EQSフレームワークは予測コストを削減し、不毛の高原問題を軽減し、両方のQMLアプローチの長所を組み合わせる。
論文 参考訳(メタデータ) (2024-08-06T07:15:45Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳(メタデータ) (2024-02-26T09:32:07Z) - Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。
QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す
混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
論文 参考訳(メタデータ) (2024-01-13T10:56:34Z) - Learning hard distributions with quantum-enhanced Variational
Autoencoders [2.545905720487589]
量子相関を用いて古典的VAEの忠実度を向上させる量子強化型VAE(QeVAE)を提案する。
経験的に、QeVAEは量子状態のいくつかのクラスにおいて古典的モデルよりも優れていることを示す。
我々の研究は、量子生成学習アルゴリズムの新しい応用の道を開いた。
論文 参考訳(メタデータ) (2023-05-02T16:50:24Z) - Quantum machine learning for image classification [39.58317527488534]
本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。
我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。
第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - Variational Quantum Policy Gradients with an Application to Quantum
Control [0.0]
量子機械学習モデルは、変分量子回路(VQC)によって非常に自然な方法で構成される。
本研究では,ハードウェア効率のよいアザッツを用いたポリシグラディエンスについて考察する。
量子ハードウェアを用いた勾配のエプシロン近似を求める複雑さは、パラメータの数と対数的にしか比較できないことを証明した。
論文 参考訳(メタデータ) (2022-03-20T16:14:49Z) - Quantum Neuron with Separable-State Encoding [0.0]
現在利用可能な量子プロセッサにおいて、高度な量子ニューロンモデルを大規模にテストすることは、まだ不可能である。
マルチキュービットゲート数を削減した量子パーセプトロン(QP)モデルを提案する。
シミュレーション量子コンピュータにおいて,QPの量子ビットバージョンをいくつか実装することにより,提案モデルの性能を実証する。
論文 参考訳(メタデータ) (2022-02-16T19:26:23Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳(メタデータ) (2021-08-09T18:00:05Z) - 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) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z)
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。