論文の概要: Why we care (about quantum machine learning)

• arxiv url: http://arxiv.org/abs/2401.07547v1
• Date: Mon, 15 Jan 2024 09:21:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 17:32:53.828289
• Title: Why we care (about quantum machine learning)
• Title（参考訳）: なぜ私たちが(量子機械学習について)気にかけるのか
• Authors: Richard A. Wolf
• Abstract要約: 量子機械学習の焦点は幅広い要因からきており、そのうちのいくつかは規律そのものの外側にある、と私は主張する。 量子機械学習において提起される中核的な質問の概要を概説し、それらの背後にあるモチベーションとそれら間の相互作用の社会的な解釈を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantum machine learning has received tremendous amounts of attention in the last ten years, and this trend is on the rise. Despite its developments being currently limited to either theoretical statements and formal proofs or small-scale noisy experiments and classical simulations, this field of quantum technologies has been consistently standing in the spotlight. Moreover, the locus of attention seems to have been skewed towards three central questions: "Can we beat classical computers?", "How?" and "When?". In this work, I argue that focus on quantum machine learning stems from a wide range of factors, some of which lie outside the discipline itself. Based on both recent and key publications on the subject as well as general audience sources, I give a brief overview of the core questions being raised in quantum machine learning and propose a socio-epistemologic interpretation of the motivations behind those and interplay between them.
• Abstract（参考訳）: 量子機械学習は過去10年間で膨大な注目を集めており、この傾向は高まっている。 現在、理論的なステートメントや公式な証明、小規模のノイズ実験や古典的なシミュレーションに限られているにもかかわらず、量子技術の分野は一貫して注目されている。 さらに、注意の軌跡は「古典的コンピュータに勝てるか?」「どうやって?」「いつ?」という3つの中心的な質問に偏っていたようである。 この研究では、量子機械学習の焦点は幅広い要因からきており、そのうちのいくつかは規律そのものの外側にあると論じます。 このテーマに関する最近の出版物および主要な出版物と一般の読者の情報源の両方に基づいて、量子機械学習で提起される中核的な疑問を概観し、それらの背後にある動機とそれらの間の相互作用に関する社会心理学的解釈を提案する。

関連論文リスト

• Identification and Mitigating Bias in Quantum Machine Learning [1.5442389863546546]
  本研究は、量子機械学習におけるバイアスに対する識別、診断、応答に関する研究を含む。 本稿では,3つの主要なトピックの概要を提供する。 量子機械学習に特有のバイアスは,どのように見えるか? それについて何ができるのか、すべきなのか?
  論文  参考訳（メタデータ） (2024-09-23T21:31:16Z)
• Open quantum systems -- A brief introduction [0.0]
  このテキストは、駆動散逸多体系の物理学の簡単な導入である。 我々は、(Gorini-Kossakowski-Sudarshan-) Lindbladマスター方程式という、オープン量子系の最も単純で、もっとも効果的に記述する1つに焦点を当てる。
  論文  参考訳（メタデータ） (2024-07-23T21:46:57Z)
• Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• 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)
• 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)
• Milestones of research activity in quantum computing: EPS grand challenges [0.0]
  量子コンピューティングは2017年ごろにインフレクションポイントを受けたと我々は主張する。 次の変曲点は、量子コンピュータによって初めて現実的な問題が解決されるときのものであると我々は主張する。
  論文  参考訳（メタデータ） (2022-07-06T18:00:05Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Is quantum advantage the right goal for quantum machine learning? [0.0]
  私たちは、現在使用しているツールを使って、機械学習のための量子コンピュータの実用力について何かを言うのは難しい、と論じています。 これらの課題は、量子的優位性と古典的機械学習の物語が文学を支配し続けるべきかどうかについての批判的な議論を呼び起こすものである、と我々は主張する。
  論文  参考訳（メタデータ） (2022-03-02T19:00:04Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• Quantum Machine Learning in High Energy Physics [1.191194620421783]
  本稿では,高エネルギー物理学における問題に対する量子機械学習を用いた第1世代の考え方を概説する。 興味深い疑問は、量子機械学習を高エネルギー物理学に適用する方法があるかどうかである。
  論文  参考訳（メタデータ） (2020-05-18T10:48:39Z)

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。