論文の概要: Quantum Generative Adversarial Networks in a Silicon Photonic Chip with Maximum Expressibility

• arxiv url: http://arxiv.org/abs/2404.05921v1
• Date: Tue, 9 Apr 2024 00:54:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-10 16:18:17.347084
• Title: Quantum Generative Adversarial Networks in a Silicon Photonic Chip with Maximum Expressibility
• Title（参考訳）: 最大表現性を有するシリコンフォトニックチップにおける量子生成対向ネットワーク
• Authors: Haoran Ma, Liao Ye, Fanjie Ruan, Zichao Zhao, Maohui Li, Yuehai Wang, Jianyi Yang,
• Abstract要約: GAN(Generative Adversarial Network)は、現実的な画像やテキスト、オーディオなどの現実的なタスクで大きな成功を収めている。 量子GANは、量子回路の表現性が強いため、古典的よりも指数関数的に有利であると考えられている。 本研究では、任意の制御単位(CU)演算を実行し、任意の2量子ビット純状態を生成することができる2量子シリコン量子フォトニックチップを作成する。
• 参考スコア（独自算出の注目度）: 13.20564873203203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative adversarial networks (GANs) have achieved remarkable success with realistic tasks such as creating realistic images, texts, and audio. Combining GANs and quantum computing, quantum GANs are thought to have an exponential advantage over their classical counterparts due to the stronger expressibility of quantum circuits. In this research, a two-qubit silicon quantum photonic chip is created, capable of executing arbitrary controlled-unitary (CU) operations and generating any 2-qubit pure state, thus making it an excellent platform for quantum GANs. To capture complex data patterns, a hybrid generator is proposed to inject nonlinearity into quantum GANs. As a demonstration, three generative tasks, covering both pure quantum versions of GANs (PQ-GAN) and hybrid quantum-classical GANs (HQC-GANs), are successfully carried out on the chip, including high-fidelity single-qubit state learning, classical distributions loading, and compressed image production. The experiment results prove that silicon quantum photonic chips have great potential in generative learning applications.
• Abstract（参考訳）: GAN(Generative Adversarial Network)は、現実的な画像やテキスト、オーディオなどの現実的なタスクで大きな成功を収めている。 GANと量子コンピューティングを組み合わせることで、量子回路の表現性が強いため、量子GANは古典的よりも指数関数的な優位性を持つと考えられている。 本研究では、任意の制御単位(CU)演算を実行し、2キュービット純状態を生成することができる2キュービットシリコン量子フォトニックチップを作成し、量子GANのための優れたプラットフォームとなる。 複雑なデータパターンをキャプチャするために、量子GANに非線形性を注入するハイブリッドジェネレータが提案されている。 実演として、GANの純粋量子バージョン(PQ-GAN)とハイブリッド量子古典的GAN(HQC-GAN)の両方をカバーする3つの生成タスクが、高忠実な単一量子ビット状態学習、古典的な分散ロード、圧縮画像生成を含むチップ上で成功している。 実験の結果、シリコン量子フォトニックチップは、生成学習の応用に大きな可能性を持っていることが証明された。

関連論文リスト

• LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
  量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。 本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
  論文  参考訳（メタデータ） (2024-09-22T23:18:06Z)
• Variational Quantum Circuits Enhanced Generative Adversarial Network [5.209320054725053]
  我々は、GAN(QC-GAN)を改善するためのハイブリッド量子古典アーキテクチャを提案する。 QC-GANは1層ニューラルネットワークと共に量子変動回路で構成され、識別器は従来のニューラルネットワークで構成されている。 また、QC-GANが16ドル以上の画像を生成することのできない代替量子GAN、すなわちpathGANよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-02-02T03:59:35Z)
• 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)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Hamiltonian Quantum Generative Adversarial Networks [4.806505912512235]
  本稿では、未知の入力量子状態を生成することを学ぶために、ハミルトン量子生成共振器ネットワーク(HQuGAN)を提案する。 提案手法は,多体多体量子状態に絡み合った多体量子状態の学習能力を数値的に示す。
  論文  参考訳（メタデータ） (2022-11-04T16:53:55Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。