論文の概要: Towards Federated Learning on the Quantum Internet

• arxiv url: http://arxiv.org/abs/2402.09902v1
• Date: Thu, 15 Feb 2024 11:58:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 15:50:33.625745
• Title: Towards Federated Learning on the Quantum Internet
• Title（参考訳）: 量子インターネットにおけるフェデレーション学習に向けて
• Authors: Leo S\"unkel and Michael K\"olle and Tobias Rohe and Thomas Gabor
• Abstract要約: 量子インターネットは、分散や盲目的の量子コンピューティングのような多くのアプリケーションを可能にする。 我々は、量子インターネット、すなわち量子フェデレーション学習の潜在的な応用について評価する。
• 参考スコア（独自算出の注目度）: 2.869565958847859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While the majority of focus in quantum computing has so far been on monolithic quantum systems, quantum communication networks and the quantum internet in particular are increasingly receiving attention from researchers and industry alike. The quantum internet may allow a plethora of applications such as distributed or blind quantum computing, though research still is at an early stage, both for its physical implementation as well as algorithms; thus suitable applications are an open research question. We evaluate a potential application for the quantum internet, namely quantum federated learning. We run experiments under different settings in various scenarios (e.g. network constraints) using several datasets from different domains and show that (1) quantum federated learning is a valid alternative for regular training and (2) network topology and nature of training are crucial considerations as they may drastically influence the models performance. The results indicate that more comprehensive research is required to optimally deploy quantum federated learning on a potential quantum internet.
• Abstract（参考訳）: 量子コンピューティングは、これまではモノリシックな量子システムに重点を置いてきたが、量子通信ネットワークや量子インターネットは、研究者や業界からも注目されている。 量子インターネットは、分散や盲目的の量子コンピューティングのような多くのアプリケーションを可能にするが、物理実装とアルゴリズムの両方に関して研究はまだ初期段階にあるため、適切な応用はオープンな研究課題である。 我々は量子インターネット、すなわち量子フェデレーション学習の潜在的な応用を評価する。 様々なシナリオ(例えば、ネットワーク制約)において、異なるデータセットを用いて実験を行い、(1)量子フェデレーション学習が正規トレーニングの有効な代替手段であること、(2)ネットワークトポロジとトレーニングの性質がモデル性能に大きな影響を及ぼす可能性があることを示します。 この結果は、量子フェデレーション学習を量子インターネット上に最適に展開するには、より包括的な研究が必要であることを示している。

関連論文リスト

• Quantum Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
  オープン量子系の基本理論の簡潔な要約を提供する。 次に、最近の量子アルゴリズムに関する議論を掘り下げる。 我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
  論文  参考訳（メタデータ） (2024-06-07T19:02:22Z)
• 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)
• Practical limitations on robustness and scalability of quantum Internet [0.7499722271664144]
  量子インターネットのスケーリングとロバスト性に関する限界について検討する。 本稿では,セキュアな通信,デリゲートコンピューティング,および終端ノード間のリソース分布の現実的なボトルネックについて述べる。 量子ネットワークのいくつかの例では、異なる量子ネットワークタスクを実行するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-24T12:32:48Z)
• Entanglement-Assisted Quantum Networks: Mechanics, Enabling Technologies, Challenges, and Research Directions [66.27337498864556]
  本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。 ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。 また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
  論文  参考訳（メタデータ） (2023-07-24T02:48:22Z)
• 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)
• Resource Allocation in Quantum Networks for Distributed Quantum Computing [0.0]
  最近の傾向は、近い将来、量子コンピューティングが商業目的のために大規模に利用できるようになることを示唆している。 量子インターネットは、量子ビットを交換するために量子リンクとリピータによる量子コンピュータの相互接続を必要とする。 本稿では,分散ノード上でのスマートコンピューティングの要件と目的について,量子ネットワークのプロビジョニングの観点から検討する。
  論文  参考訳（メタデータ） (2022-03-11T10:46:31Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• QuantumFed: A Federated Learning Framework for Collaborative Quantum Training [10.635097939284751]
  本稿では,複数の量子ノードを持つ量子連合学習フレームワークであるQuantumFedを提案する。 我々の実験は、我々のフレームワークの実現可能性と堅牢性を示している。
  論文  参考訳（メタデータ） (2021-06-16T20:28:11Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)

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。