Fugu-MT 論文翻訳(概要): Overcoming the Coherence Time Barrier in Quantum Machine Learning on Temporal Data

論文の概要: Overcoming the Coherence Time Barrier in Quantum Machine Learning on Temporal Data

arxiv url: http://arxiv.org/abs/2312.16165v2
Date: Fri, 30 Aug 2024 16:08:26 GMT
ステータス: 処理完了
システム内更新日: 2024-09-02 20:31:28.502888
Title: Overcoming the Coherence Time Barrier in Quantum Machine Learning on Temporal Data
Title（参考訳）: 時間データを用いた量子機械学習におけるコヒーレンス時間バリアの克服
Authors: Fangjun Hu, Saeed A. Khan, Nicholas T. Bronn, Gerasimos Angelatos, Graham E. Rowlands, Guilhem J. Ribeill, Hakan E. Türeci,
Abstract要約: 量子ビット型量子システムのための機械学習アルゴリズム NISQRC を提案する。 NISQRCはコヒーレンス時間によって制限されず、任意の長さのテスト信号を復元できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Practical implementation of many quantum algorithms known today is limited by the coherence time of the executing quantum hardware and quantum sampling noise. Here we present a machine learning algorithm, NISQRC, for qubit-based quantum systems that enables inference on temporal data over durations unconstrained by decoherence. NISQRC leverages mid-circuit measurements and deterministic reset operations to reduce circuit executions, while still maintaining an appropriate length persistent temporal memory in quantum system, confirmed through the proposed Volterra Series analysis. This enables NISQRC to overcome not only limitations imposed by finite coherence, but also information scrambling in monitored circuits and sampling noise, problems that persist even in hypothetical fault-tolerant quantum computers that have yet to be realized. To validate our approach, we consider the channel equalization task to recover test signal symbols that are subject to a distorting channel. Through simulations and experiments on a 7-qubit quantum processor we demonstrate that NISQRC can recover arbitrarily long test signals, not limited by coherence time.
Abstract（参考訳）: 今日知られている多くの量子アルゴリズムの実践的実装は、実行中の量子ハードウェアと量子サンプリングノイズのコヒーレンス時間によって制限されている。ここでは、量子ビットに基づく量子システムのための機械学習アルゴリズム NISQRC を提案する。 NISQRCは、Volterra Series分析によって確認された量子システムにおいて、適切な長さの持続時間メモリを維持しながら、中間回路の測定と決定論的リセット操作を利用して回路実行を削減する。これにより、NISQRCは有限コヒーレンスによって課せられる制限を克服できるだけでなく、監視された回路やサンプリングノイズといった、まだ実現されていない仮説的フォールトトレラント量子コンピュータにおいても持続する問題も克服できる。提案手法の有効性を検証するため, 歪曲するチャネルに属するテスト信号のシンボルを復元するチャネル等化タスクについて検討する。 7量子ビット量子プロセッサのシミュレーションと実験により、NISQRCはコヒーレンス時間によって制限されるのではなく、任意に長いテスト信号を復元できることを示した。

関連論文リスト

Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics [3.7960472831772765]
現在のノイズ中間スケール量子(NISQ)時代には、ノイズの存在は量子コンピューティングアルゴリズムの性能を悪化させる。本稿では,有限サンプリングノイズが量子貯留層計算(QRC)と再帰性のない量子貯留層計算(RF-QRC)のカオス的時系列予測能力に与える影響を解析する。有限サンプリングノイズはQRCとRF-QRCの両方の予測能力を劣化させるが,ノイズの伝搬によりQRCに悪影響を及ぼすことを示す。
論文参考訳（メタデータ） (2024-09-02T17:51:48Z)
Feedback-driven quantum reservoir computing for time-series analysis [1.1920094285063136]
量子貯水池計算(QRC)は、非線形情報処理のための計算資源として量子システムを利用する有望な計算パラダイムである。時系列分析のためのフィードバック駆動型QRCフレームワークを提案する。我々は,QRCがフィードバック接続によってフェードメモリ特性の取得に成功したことを実証した。
論文参考訳（メタデータ） (2024-06-22T08:28:08Z)
Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。短絡の新規・ハードウェア対応回路の発見能力を示す。本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文参考訳（メタデータ） (2024-06-18T01:49:48Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Measurement-induced entanglement and teleportation on a noisy quantum processor [105.44548669906976]
最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
論文参考訳（メタデータ） (2023-03-08T18:41:53Z)
Demonstration of algorithmic quantum speedup [0.0]
証明可能なアルゴリズム量子スピードアップの実験的実証は、いまだ解明されていない。隠れビットストリングを識別する問題を解く単発ベルンシュタイン・ヴァジラニアルゴリズムを実装した。スピードアップは2つのQCのうちの1つで観測される。
論文参考訳（メタデータ） (2022-07-15T17:59:47Z)
Measurement based estimator scheme for continuous quantum error correction [52.77024349608834]
正準離散量子誤差補正(DQEC)スキームは、安定器上の射影フォン・ノイマン測度を用いて誤差症候群を有限集合に識別する。連続的量子誤差補正(CQEC)と呼ばれる連続的な測定に基づく量子エラー補正(QEC)は、DQECよりも高速に実行でき、資源効率も向上できる。論理量子ビットの計測に基づく推定器 (MBE) を構築することにより, 物理量子ビットに発生する誤差をリアルタイムで正確に追跡できることを示す。
論文参考訳（メタデータ） (2022-03-25T09:07:18Z)
Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文参考訳（メタデータ） (2021-12-27T21:15:35Z)
Reducing runtime and error in VQE using deeper and noisier quantum circuits [0.0]
VQEを含む多くの量子アルゴリズムのコアは、ロバスト振幅推定と呼ばれる手法を用いて精度と精度で改善することができる。より深く、よりエラーを起こしやすい量子回路を使用することで、より少ない時間でより正確な量子計算を実現する。この技術は、初期のフォールトトレラント量子計算の仕組みに量子計算を高速化するために用いられる。
論文参考訳（メタデータ） (2021-10-20T17:11:29Z)
Experimentally Realizing Efficient Quantum Control with Reinforcement Learning [2.733342606024131]
我々は,171mathrmYb+$イオンを捕捉した深部強化学習(DRL)に基づく量子制御の代替手法を実験的に実証した。特に、DRLはショートカットからアディバティティティ(STA)に束縛された実行時間を持つ高速で堅牢なデジタル量子演算に繋がることがわかった。我々の実験は、デジタル量子制御の一般的な枠組みを明らかにし、量子情報処理の有望な向上につながった。
論文参考訳（メタデータ） (2021-01-22T09:34:58Z)
Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
論文参考訳（メタデータ） (2020-05-05T20:11:53Z)

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。