論文の概要: Accuracy vs Memory Advantage in the Quantum Simulation of Stochastic Processes

• arxiv url: http://arxiv.org/abs/2312.13473v2
• Date: Thu, 9 May 2024 13:06:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-10 17:59:24.219856
• Title: Accuracy vs Memory Advantage in the Quantum Simulation of Stochastic Processes
• Title（参考訳）: 確率過程の量子シミュレーションにおける精度とメモリアドバンテージ
• Authors: Leonardo Banchi,
• Abstract要約: 量子モデルは、少ないメモリで同じ精度に達するか、または同じメモリでより良い精度が得られることを示す。 この結果が学習課題に与える影響について論じる。
• 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: Many inference scenarios rely on extracting relevant information from known data in order to make future predictions. When the underlying stochastic process satisfies certain assumptions, there is a direct mapping between its exact classical and quantum simulators, with the latter asymptotically using less memory. Here we focus on studying whether such quantum advantage persists when those assumptions are not satisfied, and the model is doomed to have imperfect accuracy. By studying the trade-off between accuracy and memory requirements, we show that quantum models can reach the same accuracy with less memory, or alternatively, better accuracy with the same memory. Finally, we discuss the implications of this result for learning tasks.
• Abstract（参考訳）: 多くの推論シナリオは、将来の予測を行うために、既知のデータから関連する情報を抽出することに依存している。 基礎となる確率過程が特定の仮定を満たすとき、その正確な古典的および量子的シミュレータ間の直接写像が存在し、後者は漸近的に少ないメモリを使用する。 ここでは、これらの仮定が満たされていないとき、そのような量子的優位性が持続するかどうかの研究に焦点をあてる。 精度とメモリ要件のトレードオフを研究することで、量子モデルはより少ないメモリで同じ精度に到達し、代わりに同じメモリでより良い精度が得られることを示す。 最後に,この結果が学習課題に与える影響について考察する。

関連論文リスト

• SMURF-THP: Score Matching-based UnceRtainty quantiFication for Transformer Hawkes Process [76.98721879039559]
  SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。 具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。 我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
  論文  参考訳（メタデータ） (2023-10-25T03:33:45Z)
• 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)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Implementing quantum dimensionality reduction for non-Markovian stochastic simulation [0.5269923665485903]
  我々は、フォトニックセットアップを用いて、非マルコフ過程の族に対するメモリ効率の量子モデルを実装する。 1量子ビットのメモリで実装された量子モデルは、同じメモリ次元の任意の古典的モデルで可能以上の精度が得られることを示す。
  論文  参考訳（メタデータ） (2022-08-26T15:54:47Z)
• Masked prediction tasks: a parameter identifiability view [49.533046139235466]
  マスク付きトークンの予測に広く用いられている自己教師型学習手法に着目する。 いくつかの予測タスクは識別可能性をもたらすが、他のタスクはそうではない。
  論文  参考訳（メタデータ） (2022-02-18T17:09:32Z)
• Can a single neuron learn predictive uncertainty? [0.0]
  本稿では,一自由度を持つ最も単純なニューラルネットワークアーキテクチャ(単一ニューロン)に基づく,連続確率変数に対する新しい非パラメトリック量子化推定手法を提案する。 実世界の応用では、この手法は分割共形予測設定の下で予測の不確かさの定量化に利用できる。
  論文  参考訳（メタデータ） (2021-06-07T15:12:47Z)
• Provable superior accuracy in machine learned quantum models [2.814412986458045]
  我々は,古典的手法よりも高い精度を達成できる機械学習手法により,次元的に低減された量子モデルを構築した。 これらの技術は、時系列解析への量子技術の即時関係を示し、結果の量子優位性が証明可能な稀な事例を提供する。
  論文  参考訳（メタデータ） (2021-05-30T05:55:49Z)
• Don't Just Blame Over-parametrization for Over-confidence: Theoretical Analysis of Calibration in Binary Classification [58.03725169462616]
  理論上は、過剰パラメトリゼーションは過剰信頼の唯一の理由ではない。 我々は、ロジスティック回帰は本質的に信頼過剰であり、実現可能で、非パラメータな設定であることを示す。 おそらく驚くことに、過剰な信頼が常にそうであるとは限らないことも示します。
  論文  参考訳（メタデータ） (2021-02-15T21:38:09Z)
• Validity of Born-Markov master equations for single and two-qubit systems [0.0]
  一般的に用いられるレッドフィールドとリンドブラッドのマスター方程式を数値的に正確な結果と比較する。 本研究は,通常のボルン・マルコフ方程式の有効範囲に関する一般ガイドラインを設定した。
  論文  参考訳（メタデータ） (2020-11-10T11:19:00Z)
• Estimation of Accurate and Calibrated Uncertainties in Deterministic models [0.8702432681310401]
  我々は,決定論的予測を確率論的予測に変換する手法を考案した。 そのためには,そのようなモデルの精度と信頼性(校正)を損なう必要がある。 隠れたノイズを正確に回収できる合成データと、大規模な実世界のデータセットの両方について、いくつかの例を示す。
  論文  参考訳（メタデータ） (2020-03-11T04:02:56Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)

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。