論文の概要: Digital-analog quantum learning on Rydberg atom arrays
- arxiv url: http://arxiv.org/abs/2401.02940v1
- Date: Fri, 5 Jan 2024 18:31:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-08 14:28:05.758847
- Title: Digital-analog quantum learning on Rydberg atom arrays
- Title（参考訳）: Rydberg原子配列上のデジタルアナログ量子学習
- Authors: Jonathan Z. Lu, Lucy Jiao, Kristina Wolinski, Milan Kornja\v{c}a,
Hong-Ye Hu, Sergio Cantu, Fangli Liu, Susanne F. Yelin, Sheng-Tao Wang
- Abstract要約: 本稿では,Rydbergアトムアレイを用いたハイブリッドデジタルアナログ学習アルゴリズムを提案する。
我々の構成では、アナログ設定におけるRydberg Hamiltonianによれば、デジタル設定における単一量子演算と大域運転しか必要としない。
- 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 hybrid digital-analog learning algorithms on Rydberg atom arrays,
combining the potentially practical utility and near-term realizability of
quantum learning with the rapidly scaling architectures of neutral atoms. Our
construction requires only single-qubit operations in the digital setting and
global driving according to the Rydberg Hamiltonian in the analog setting. We
perform a comprehensive numerical study of our algorithm on both classical and
quantum data, given respectively by handwritten digit classification and
unsupervised quantum phase boundary learning. We show in the two representative
problems that digital-analog learning is not only feasible in the near term,
but also requires shorter circuit depths and is more robust to realistic error
models as compared to digital learning schemes. Our results suggest that
digital-analog learning opens a promising path towards improved variational
quantum learning experiments in the near term.
- Abstract（参考訳）: 我々はRydberg原子配列上のハイブリッドデジタルアナログ学習アルゴリズムを提案し、量子学習の潜在的実用性と短期実現可能性と中性原子の高速スケーリングアーキテクチャを組み合わせた。
我々の構成は、アナログ設定におけるRydberg Hamiltonianによれば、デジタル設定における単一量子演算と大域駆動のみを必要とする。
我々は、手書き桁分類と教師なし量子位相境界学習により、古典的データと量子的データの両方に対するアルゴリズムの総合的な数値的研究を行う。
デジタルアナログ学習は,短期的に実現可能であるだけでなく,回路深度も短く,現実的な誤りモデルに対してより堅牢であることを示す。
この結果から,デジタルアナログ学習は,短期的に変動量子学習実験を改善するための有望な道を開くことが示唆された。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Synergy between noisy quantum computers and scalable classical deep learning [0.4999814847776097]
雑音量子コンピュータの計算能力と古典的スケーラブル畳み込みニューラルネットワーク(CNN)の組み合わせの可能性について検討する。
目標は、量子イジングモデルのトロッター分解力学を表すパラメータ化量子回路の正確な期待値を正確に予測することである。
量子情報のおかげで、古典的な記述子のみに基づく教師あり学習が失敗しても、私たちのCNNは成功します。
論文 参考訳（メタデータ） (2024-04-11T14:47:18Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Hybrid quantum learning with data re-uploading on a small-scale
superconducting quantum simulator [29.81784450632149]
スーパーバイザード量子学習(Supervised quantum learning)は、変分量子アルゴリズムと古典的な機械学習の間の創発的な多分野のドメインブリッジである。
簡単なバイナリとマルチラベルのタスクで量子回路をトレーニングし、95%の分類精度を達成し、手書き十進数認識時に90%の精度でデータを再アップロードするハイブリッドモデルを構築した。
論文 参考訳（メタデータ） (2023-05-04T16:03:32Z) - Analog quantum variational embedding classifier [8.445680783099196]
アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。
性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。
提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
論文 参考訳（メタデータ） (2022-11-04T20:58:48Z) - Scalable approach to many-body localization via quantum data [69.3939291118954]
多体局在は、量子多体物理学の非常に難しい現象である。
計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。
我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
論文 参考訳（メタデータ） (2022-02-17T19:00:09Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - 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) - Digital-analog quantum simulation of fermionic models [0.0]
フェミオンハミルトニアンの幅広いクラスをシミュレートするデジタルアナログ量子アルゴリズムを導入する。
これらの手法により、量子アルゴリズムはコヒーレンス時間(英語版)の効率的な利用を通じてデジタルバージョンを超えて動作することができる。
論文 参考訳（メタデータ） (2021-03-29T15:25:23Z) - Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。
より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文 参考訳（メタデータ） (2020-01-28T17:35:32Z)
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。