Fugu-MT 論文翻訳(概要): Universality conditions of unified classical and quantum reservoir computing

論文の概要: Universality conditions of unified classical and quantum reservoir computing

arxiv url: http://arxiv.org/abs/2401.15067v3
Date: Mon, 20 May 2024 09:36:44 GMT
ステータス: 処理完了
システム内更新日: 2024-05-21 23:30:28.577163
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統一的普遍性条件
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。
参考スコア（独自算出の注目度）: 1.1510009152620668
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.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、動的システム(貯水池)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、計算神経科学と機械学習の多用途パラダイムである。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、貯水池コンピュータのクラスは、暗くなるメモリを持つ関数の普遍的な近似器として機能する。そのような普遍類の構成はしばしば文脈固有のように見えるが、実際にはそれらは同じ原理に従う。ここでは、統一された理論的枠組みを示し、普遍性を確保するための準備が整った設定を提案する。量子貯水池計算は,従来の量子貯水池計算と量子貯水池計算の統一的な見方に光を当てている。

関連論文リスト

Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
論文参考訳（メタデータ） (2024-07-04T06:37:16Z)
Stochastic Reservoir Computers [0.0]
貯水池計算では、貯水池のコンピュータ全体の異なる状態の数は、貯水池のハードウェアのサイズに比例して指数関数的にスケールすることができる。ショットノイズは貯水池計算の性能に限界があるが,ノイズの影響が小さい場合,類似のハードウェアを持つ貯水池コンピュータに比べて性能が大幅に向上した。
論文参考訳（メタデータ） (2024-05-20T21:26:00Z)
Reservoir Computing with Generalized Readout based on Generalized Synchronization [0.0]
貯留層コンピューティング(Reservoir computing)は、非線形力学を利用する機械学習フレームワークである。本稿では,貯水池変数の非線形結合を含む一般化された読み出しを伴う新しい貯水池計算フレームワークを提案する。数値実験により, 一般化された読み出しの導入は, 精度の大幅な向上と, 頑健さの予期せぬ向上につながることがわかった。
論文参考訳（メタデータ） (2024-05-03T10:03:59Z)
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)
Controlling dynamical systems to complex target states using machine learning: next-generation vs. classical reservoir computing [68.8204255655161]
機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。まず, 従来の貯水池計算が優れていることを示す。次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
論文参考訳（メタデータ） (2023-07-14T07:05:17Z)
Learnability with Time-Sharing Computational Resource Concerns [65.268245109828]
本稿では,学習理論における計算資源の影響を考慮した理論的枠組みを提案する。このフレームワークは、入ってくるデータストリームが潜在的に無限であるようなストリーム学習に自然に適用できる。これはまた、インテリジェントなスーパーコンピュータオペレーティングシステムの設計に対する理論的視点を提供するかもしれない。
論文参考訳（メタデータ） (2023-05-03T15:54:23Z)
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。