論文の概要: Retrieving past quantum features with deep hybrid classical-quantum reservoir computing

• arxiv url: http://arxiv.org/abs/2401.16961v1
• Date: Tue, 30 Jan 2024 12:41:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 15:05:36.469068
• Title: Retrieving past quantum features with deep hybrid classical-quantum reservoir computing
• Title（参考訳）: 深層ハイブリッド古典量子貯留層計算による過去の量子特性の解明
• Authors: Johannes Nokkala, Gian Luca Giorgi, and Roberta Zambrini
• Abstract要約: 量子状態の時間的処理のためのハイブリッド古典量子貯水池計算を導入する。 ハイブリッドセットアップは、両方の構成要素の強度を継承するが、その部分の総和以上である。 量子層は最先端のマルチモード量子光学プラットフォームの範囲内にあり、古典層はシリコで実装できる。
• 参考スコア（独自算出の注目度）: 1.8434042562191815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning techniques have achieved impressive results in recent years and the possibility of harnessing the power of quantum physics opens new promising avenues to speed up classical learning methods. Rather than viewing classical and quantum approaches as exclusive alternatives, their integration into hybrid designs has gathered increasing interest, as seen in variational quantum algorithms, quantum circuit learning, and kernel methods. Here we introduce deep hybrid classical-quantum reservoir computing for temporal processing of quantum states where information about, for instance, the entanglement or the purity of past input states can be extracted via a single-step measurement. We find that the hybrid setup cascading two reservoirs not only inherits the strengths of both of its constituents but is even more than just the sum of its parts, outperforming comparable non-hybrid alternatives. The quantum layer is within reach of state-of-the-art multimode quantum optical platforms while the classical layer can be implemented in silico.
• Abstract（参考訳）: 近年、機械学習技術は目覚ましい成果を上げており、量子物理学の力を利用する可能性も、古典的な学習方法の高速化に新たな有望な道を開く。 古典的および量子的アプローチを排他的な代替品として見るのではなく、変分量子アルゴリズム、量子回路学習、カーネル法など、ハイブリッド設計への統合が関心を集めている。 本稿では,例えば,過去の入力状態の絡み合いや純度といった情報を取り出すことができる量子状態の時間的処理のための,深いハイブリッド古典量子貯水池計算を提案する。 2つの貯水池をカスケードするハイブリッド設備は、両者の強度を継承するだけでなく、その部分の総和以上のものとなり、同等の非ハイブリッドな代替品よりも優れている。 量子層は最先端のマルチモード量子光学プラットフォームの範囲内にあり、古典層はシリコで実装できる。

関連論文リスト

• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• Mixed Quantum-Classical Dynamics for Near Term Quantum Computers [0.0]
  混合量子古典力学は、完全に量子力学的に扱うには複雑すぎるシステムを理解するためにしばしば用いられる。 量子サブシステムと古典的サブシステムとを結合した一般混合量子古典力学のモジュラーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-20T18:23:15Z)
• 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)
• 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)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Quantum-Classical Hybrid Information Processing via a Single Quantum System [1.1602089225841632]
  量子ベースの通信における現在の技術は、ハイブリッド処理のための古典的なデータと量子データの新たな統合をもたらす。 本稿では,古典的入力と量子的入力の両方を必要とする計算タスクにおいて,量子力学を利用する量子貯水池プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-09-01T14:33:40Z)
• Opportunities in Quantum Reservoir Computing and Extreme Learning Machines [0.0]
  量子貯水池コンピューティング(QRC)と量子極端学習マシン(QELM)は2つの新しいアプローチである。 彼らは物理的なシステムの量子性と簡単なトレーニング戦略を組み合わせ、優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-02-23T18:05:04Z)
• Quantum and Classical Hybrid Generations for Classical Correlations [4.812718493682455]
  量子資源と古典資源を組み合わせた2段階のハイブリッドプロトコルを考察し、2つの分離したプレイヤーが共有する古典的相関関係を生成する。 我々はこれらのハイブリッドプロトコルの数学的構造を分析し、必要な量子リソース量と古典的リソースの関係を特徴づける。
  論文  参考訳（メタデータ） (2020-07-21T09:23:45Z)

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。