論文の概要: Universality conditions of unified classical and quantum reservoir
computing
- arxiv url: http://arxiv.org/abs/2401.15067v1
- Date: Fri, 26 Jan 2024 18:48:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-29 14:17:13.930588
- Title: Universality conditions of unified classical and quantum reservoir
computing
- Title(参考訳): 古典的量子貯水池計算の普遍性条件
- Authors: Francesco Monzani, Enrico Prati
- Abstract要約: 貯留層コンピューティング(Reservoir computing)は、計算神経科学と機械学習における多用途パラダイムである。
統一理論フレームワークを提案し、普遍性を確保するための準備の整った設定を提案する。
量子レジスタを扱う際に空間多重化が計算資源として機能する理由を提案する。
- 参考スコア(独自算出の注目度): 1.3597551064547502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reservoir computing is a versatile paradigm in computational neuroscience and
machine learning, that exploits the non-linear dynamics of a dynamical system -
the reservoir - to efficiently process time-dependent information. Since its
introduction, it has exhibited remarkable capabilities in various applications.
As widely known, classes of reservoir computers serve as universal
approximators of functionals with fading memory. The construction of such
universal classes often appears context-specific, but in fact, they follow the
same principles. Here we present a unified theoretical framework and we propose
a ready-made setting to secure universality. We test the result in the arising
context of quantum reservoir computing. Guided by such a unified theorem we
suggest why spatial multiplexing may serve as a computational resource when
dealing with quantum registers, as empirically observed in specific
implementations on quantum hardware. The analysis sheds light on a unified view
of classical and quantum reservoir computing.
- Abstract(参考訳): 貯留層コンピューティング(Reservoir computing)は、計算神経科学と機械学習において汎用的なパラダイムであり、動的システムの非線形ダイナミクスを利用して時間依存情報を効率的に処理する。
導入以来、様々なアプリケーションで顕著な能力を発揮してきた。
広く知られているように、リザーバーコンピュータのクラスは、フェージングメモリを持つ関数の普遍近似器として機能する。
そのような普遍クラスの構成はしばしば文脈特異的に見えるが、実際にはそれらは同じ原理に従う。
本稿では,統一理論の枠組みを提示し,普遍性を確保するための既定設定を提案する。
我々は,量子貯留層計算の結果を起因とする文脈で検証する。
このような統一的な定理に導かれると、空間多重化が量子レジスタを扱う際の計算資源として機能する可能性が示唆される。
この分析は古典的および量子貯水池コンピューティングの統一的な見方に光を当てている。
関連論文リスト
- QuantumReservoirPy: A Software Package for Time Series Prediction [44.99833362998488]
我々は、量子貯水池が共通の構造に合うようにするためのソフトウェアパッケージを開発した。
本パッケージは, 量子貯水池構造の比較法の開発を簡略化し, 論理的手法を提示する。
論文 参考訳(メタデータ) (2024-01-19T13:31:29Z) - Sufficient condition for universal quantum computation using bosonic
circuits [44.99833362998488]
我々は、計算普遍性にシミュレート可能な回路の促進に重点を置いている。
まず、連続変数状態をキュービット状態にマッピングするための一般的なフレームワークを紹介します。
次に、モジュラーおよび安定化サブシステム分解を含む既存のマップをこのフレームワークにキャストします。
論文 参考訳(メタデータ) (2023-09-14T16:15:14Z) - ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。
ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。
量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
論文 参考訳(メタデータ) (2023-08-22T09:11:53Z) - 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) - Configured Quantum Reservoir Computing for Multi-Task Machine Learning [24.698475208639586]
量子貯水池計算のためのプログラム可能なNISQデバイスのダイナミクスについて検討する。
単一の構成の量子貯水池は、同時に複数のタスクを学習することができる。
量子貯水池における量子コヒーレンス(quantum coherence, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス, 量子コヒーレンス)
論文 参考訳(メタデータ) (2023-03-30T18:00:02Z) - Exploring quantum mechanical advantage for reservoir computing [0.0]
量子貯水池の量子特性と線形短期記憶性能の関連性を確立する。
貯水池における高い絡み合いは,より複雑な貯水池力学の前提条件であることがわかった。
本稿では,物理量子貯水池の性能に及ぼすデファスティングの影響について論じる。
論文 参考訳(メタデータ) (2023-02-07T17:07:28Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - 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) - Natural quantum reservoir computing for temporal information processing [4.785845498722406]
貯留層計算(Reservoir computing)は、人工的または物理的散逸動態を利用する時間情報処理システムである。
本稿では, 量子ビットに付加される自然ノイズによって散逸特性が供給される貯水池として, 現実の超伝導量子コンピューティングデバイスを用いる方法を提案する。
論文 参考訳(メタデータ) (2021-07-13T01:58:57Z) - Neuromorphic computing with a single qudit [0.0]
貯留層計算(Reservoir computing)は、多体量子系の高忠実度制御の代替である。
ここでは、単一のキューディット(d$D量子系)からなる貯水池を考える。
類似の古典システムと比較して,ロバストな性能上の優位性を示す。
論文 参考訳(メタデータ) (2021-01-27T22:35:22Z) - Gaussian states of continuous-variable quantum systems provide universal
and versatile reservoir computing [0.0]
我々は、オンライン時系列処理の効率的なフレームワークである貯水池コンピューティングについて検討する。
入力時系列をガウス状態に符号化することは、入力出力マップ全体の非線形性を調整するための情報源および手段である。
論文 参考訳(メタデータ) (2020-06-08T18:00:03Z)
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。