論文の概要: Explainable Classification Techniques for Quantum Dot Device
Measurements
- arxiv url: http://arxiv.org/abs/2402.13699v1
- Date: Wed, 21 Feb 2024 11:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 15:56:22.713631
- Title: Explainable Classification Techniques for Quantum Dot Device
Measurements
- Title(参考訳): 量子ドットデバイス計測のための説明可能な分類手法
- Authors: Daniel Schug, Tyler J. Kovach, M. A. Wolfe, Jared Benson, Sanghyeok
Park, J. P. Dodson, J. Corrigan, M. A. Eriksson, Justyna P. Zwolak
- Abstract要約: 本稿では,説明可能な特徴を生かした合成データに基づく手法を提案する。
本稿では, 説明可能なブースティングマシン (EBM) を用いて, 精度を犠牲にすることなく, より優れた説明性を提供することを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the physical sciences, there is an increased need for robust feature
representations of image data: image acquisition, in the generalized sense of
two-dimensional data, is now widespread across a large number of fields,
including quantum information science, which we consider here. While
traditional image features are widely utilized in such cases, their use is
rapidly being supplanted by Neural Network-based techniques that often
sacrifice explainability in exchange for high accuracy. To ameliorate this
trade-off, we propose a synthetic data-based technique that results in
explainable features. We show, using Explainable Boosting Machines (EBMs), that
this method offers superior explainability without sacrificing accuracy.
Specifically, we show that there is a meaningful benefit to this technique in
the context of quantum dot tuning, where human intervention is necessary at the
current stage of development.
- Abstract(参考訳): 物理科学では、画像データのロバストな特徴表現の必要性が増大している: 2次元データの一般的な意味での画像取得は、我々がここで考慮している量子情報科学を含む、多くの分野にまたがっている。
このような場合、従来の画像の特徴は広く活用されているが、その利用はニューラルネットワークベースの技術に取って代わられている。
このトレードオフを改善するために,説明可能な特徴をもたらす合成データベース手法を提案する。
本手法は,説明可能なブースティングマシン (ebms) を用いて, 精度を犠牲にすることなく, 優れた説明性が得られることを示す。
具体的には,現在の発達段階において人間の介入が必要となる量子ドットチューニングの文脈において,この手法には有意義なメリットがあることを示す。
関連論文リスト
- Real-Time Model-Based Quantitative Ultrasound and Radar [65.268245109828]
本稿では,波動伝搬の物理モデルに基づくニューラルネットワークを提案し,受信信号と物理特性の関係を定義した。
我々のネットワークは、複雑で現実的なシナリオのために、1秒未満で複数の物理的特性を再構築することができる。
論文 参考訳(メタデータ) (2024-02-16T09:09:16Z) - A Knowledge Compilation Map for Quantum Information [0.0]
行列積状態(MPS)、決定図(DD)、制限ボルツマンマシン(RBM)の3つの広く使われている量子状態表現を解析的に検討した。
これらのデータ構造の相対的簡潔さをマップし、関連するクエリおよび操作操作の複雑さを提供する。
論文 参考訳(メタデータ) (2024-01-02T18:23:35Z) - Efficient characterization of blinking quantum emitters from scarce data
sets via machine learning [0.0]
単一光子エミッタは、蛍光断続性または光架橋を普遍的に表示する。
そこで本研究では,85%の精度で点滅率を抽出できる多機能回帰アルゴリズムと遺伝的アルゴリズムを提案する。
我々のアルゴリズムは、調査可能な点滅システムの範囲を効果的に拡張し、それ以外は調査するには短命であると考えられるものへと動的をトラップする。
論文 参考訳(メタデータ) (2023-08-24T18:51:30Z) - Hybrid quantum transfer learning for crack image classification on NISQ
hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。
我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文 参考訳(メタデータ) (2023-07-31T14:45:29Z) - Extending Explainable Boosting Machines to Scientific Image Data [8.812903592835406]
本稿では,科学的画像データにEBM(Explainable Boosting Machines)を用いることを提案する。
量子技術の発展を支える重要な応用から着想を得て,ESMを低温原子ソリトン画像データに適用する。
我々は,本手法が人間の直観と一致していることを示す。
論文 参考訳(メタデータ) (2023-05-25T23:07:43Z) - Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。
提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。
提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文 参考訳(メタデータ) (2023-03-17T18:00:27Z) - Virtual Coil Augmentation Technology for MRI via Deep Learning [14.025480610981507]
仮想コイルの増加効果を達成するために,人工知能を用いてチャネルを拡大する手法を提案する。
提案手法は,現在の最先端技術よりも画像再構成性能が大幅に向上する。
論文 参考訳(メタデータ) (2022-01-19T11:33:38Z) - Quantum verification and estimation with few copies [63.669642197519934]
大規模絡み合ったシステムの検証と推定は、信頼性の高い量子情報処理にそのようなシステムを用いる際の大きな課題の1つである。
本稿では,資源の一定数(サンプリング複雑性)に着目し,任意の次元のシステムに適していることを示す。
具体的には、量子状態トモグラフィー(quantum state tomography)の概念とともに、エンタングルメント検出のために少なくとも1つのコピーだけを必要とする確率的フレームワークをレビューする。
論文 参考訳(メタデータ) (2021-09-08T18:20:07Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳(メタデータ) (2021-06-27T06:27:22Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z)
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。