論文の概要: First quantum machine learning applications on an on-site
room-temperature quantum computer
- arxiv url: http://arxiv.org/abs/2312.11673v1
- Date: Mon, 18 Dec 2023 19:30:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 17:57:58.648990
- Title: First quantum machine learning applications on an on-site
room-temperature quantum computer
- Title(参考訳): オンサイト室温量子コンピュータにおける最初の量子機械学習応用
- Authors: Nils Herrmann, Mariam Akhtar, Daanish Arya, Marcus W. Doherty, Pascal
Macha, Florian Preis, Stefan Prestel, Michael L. Walker
- Abstract要約: 本稿では,量子機械学習(QML)アルゴリズムの現場室温量子コンピュータへの応用を実演する。
オーストラリアのパースにあるPawsey Supercomputing Centreにインストールされた2ビット量子コンピュータは、マルチクラスの分類問題を解決するために使用される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We demonstrate - for the first time - the application of a quantum machine
learning (QML) algorithm on an on-site room-temperature quantum computer. A
two-qubit quantum computer installed at the Pawsey Supercomputing Centre in
Perth, Australia, is used to solve multi-class classification problems on
unseen, i.e. untrained, 2D data points. The underlying 1-qubit model is based
on the data re-uploading framework of the universal quantum classifier and was
trained on an ideal quantum simulator using the Adam optimiser. No noise models
or device-specific insights were used in the training process. The optimised
model was deployed to the quantum device by means of a single XYX decomposition
leading to three parameterised single qubit rotations. The results for
different classification problems are compared to the optimal results of an
ideal simulator. The room-temperature quantum computer achieves very high
classification accuracies, on par with ideal state vector simulations.
- Abstract(参考訳): 量子機械学習(qml)アルゴリズムを現場の室温量子コンピュータに初めて適用した例を示す。
オーストラリアのパースにあるpawsey supercomputing centreに設置された2量子ビット量子コンピュータは、未発見の2dデータポイントのマルチクラス分類問題を解決するために使用される。
基礎となる1量子ビットモデルは、ユニバーサル量子分類器のデータ再アップロードフレームワークに基づいており、adam optimiserを使って理想的な量子シミュレータでトレーニングされた。
トレーニングプロセスではノイズモデルやデバイス固有の洞察は使用されなかった。
最適化されたモデルは1つのXYX分解によって量子デバイスに展開され、3つのパラメータ化された1量子ビット回転が導かれる。
異なる分類問題に対する結果は、理想的なシミュレータの最適結果と比較される。
室温量子コンピュータは理想的な状態ベクトルシミュレーションと同等に非常に高い分類精度を達成する。
関連論文リスト
- 3D-QAE: Fully Quantum Auto-Encoding of 3D Point Clouds [71.39129855825402]
既存の3D表現の学習方法は、古典的なハードウェアでトレーニングされ、テストされるディープニューラルネットワークである。
本稿では3次元点雲のための最初の量子オートエンコーダを紹介する。
論文 参考訳(メタデータ) (2023-11-09T18:58:33Z) - Quantum support vector machines for classification and regression on a
trapped-ion quantum computer [10.943058987503008]
量子支援ベクトル分類(QSVC)と量子支援ベクトル回帰(QSVR)に基づく量子機械学習モデルについて検討する。
QSVCタスクには不正なクレジットカード取引とイメージデータセットを含むデータセットを使用し、QSVRタスクには財務データセットと材料データセットを使用します。
その結果,量子カーネルはQSVCとQSVRの両方のタスクに効果的に利用でき,ノイズに対する耐性と各種データセットへの適応性を示すことが示唆された。
論文 参考訳(メタデータ) (2023-07-05T08:06:41Z) - 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) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Differentiable matrix product states for simulating variational quantum
computational chemistry [6.954927515599816]
本稿では,変分量子固有解法(VQE)の並列化可能な古典シミュレータを提案する。
我々のシミュレーターは量子回路の進化を古典的自己微分フレームワークにシームレスに統合する。
応用として、我々のシミュレーターを用いて、一般的なHF、LiH、H$Oなどの小分子と、最大40ドルの量子ビットを持つより大きな分子であるCO$$、BeH$、H$_4$を研究する。
論文 参考訳(メタデータ) (2022-11-15T08:36:26Z) - Machine learning applications for noisy intermediate-scale quantum
computers [0.0]
NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。
これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。
近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-05-19T09:26:57Z) - Quantum neural networks [0.0]
この論文は、過去数十年で最もエキサイティングな研究分野である量子コンピューティングと機械学習を組み合わせたものだ。
本稿では、汎用量子計算が可能で、トレーニング中にメモリ要求の少ない散逸型量子ニューラルネットワーク(DQNN)を紹介する。
論文 参考訳(メタデータ) (2022-05-17T07:47:00Z) - Multiclass classification using quantum convolutional neural networks
with hybrid quantum-classical learning [0.5999777817331318]
本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。
提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。
この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
論文 参考訳(メタデータ) (2022-03-29T09:07:18Z) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳(メタデータ) (2022-02-16T19:00:00Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳(メタデータ) (2021-07-19T23:41:03Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z)
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。