論文の概要: Generating Reservoir State Descriptions with Random Matrices
- arxiv url: http://arxiv.org/abs/2404.07278v1
- Date: Wed, 10 Apr 2024 18:10:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-12 15:48:02.419335
- Title: Generating Reservoir State Descriptions with Random Matrices
- Title(参考訳): ランダム行列を用いた貯留層状態記述の生成
- Authors: Samuel Tovey, Christian Holm, Michael Spannowsky,
- Abstract要約: 簡単な量子システムとランダム行列を用いて,計算機計測を貯水する新しい手法を実証する。
この研究は、自然学習装置のための単純な量子システムの測定にランダム行列を用いることを強調した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We demonstrate a novel approach to reservoir computer measurements through the use of a simple quantum system and random matrices to motivate how atomic-scale devices might be used for real-world computing applications. In our approach, random matrices are used to construct reservoir measurements, introducing a simple, scalable means for producing state descriptions. In our studies, systems as simple as a five-atom Heisenberg spin chain are used to perform several tasks, including time series prediction and data interpolation. The performance of the measurement technique as well as their current limitations are discussed in detail alongside an exploration of the diversity of measurements yielded by the random matrices. Additionally, we explore the role of the parameters of the spin chain, adjusting coupling strength and the measurement dimension, yielding insights into how these learning machines might be automatically tuned for different problems. This research highlights the use of random matrices as measurements of simple quantum systems for natural learning devices and outlines a path forward for improving their performance and experimental realisation.
- Abstract(参考訳): 本稿では,量子システムとランダム行列を用いてコンピュータ計測を貯蓄する新しい手法を実証し,原子スケールのデバイスが現実世界のコンピューティングアプリケーションにどのように使われるかを示す。
提案手法では, ランダム行列を用いて貯水池の測定を行い, 簡易でスケーラブルな状態記述手法を提案する。
本研究では, 時系列予測やデータ補間など, 5原子ハイゼンベルクスピンチェーンのような単純なシステムを用いて, いくつかのタスクを遂行する。
測定手法の性能および現状の限界について, ランダムな行列による測定の多様性の探索とともに詳細に考察した。
さらに,スピンチェーンのパラメータの役割を探求し,結合強度と測定次元を調整し,これらの学習機械を異なる問題に対して自動的に調整する方法についての洞察を得る。
本研究は,自然学習装置における単純な量子系の測定におけるランダム行列の利用を強調し,その性能向上と実験的実現に向けての道筋を概説する。
関連論文リスト
- Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳(メタデータ) (2023-11-07T04:35:03Z) - Higher-order topological kernels via quantum computation [68.8204255655161]
トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。
本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
論文 参考訳(メタデータ) (2023-07-14T14:48:52Z) - Probing scrambling and operator size distributions using random mixed
states and local measurements [0.0]
我々は、スクランブルを実験的に探究するために、測定プロトコルの代替ツールボックスを提出した。
本研究では,演算子分布の確率生成関数を効率的に探索する方法を示す。
プロトコルの初期状態を操作することで,分散の個々の要素を直接取得して,システムサイズを小さくすることができることを示す。
論文 参考訳(メタデータ) (2023-05-26T14:52:36Z) - 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) - Unsupervised Interpretable Learning of Phases From Many-Qubit Systems [2.4352963290061993]
短距離多ビット系を理解するために,教師なしの機械学習技術を用いる方法を示す。
我々の研究は、教師なしの強い解釈性を目指して、ハイブリッドアルゴリズムを第一原理で適用するための扉を開く。
論文 参考訳(メタデータ) (2022-08-18T14:35:28Z) - The randomized measurement toolbox [3.2095357952052854]
我々は最近,複雑な多ビットシステムの特性を探索するためのプロトコルを概説した。
これら全てのプロトコルにおいて、量子状態は繰り返し準備され、ランダムに選択された基底で測定される。
量子デバイスですでに実現されているさまざまなユースケースについて論じる。
論文 参考訳(メタデータ) (2022-03-21T22:33:18Z) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳(メタデータ) (2022-01-21T16:35:35Z) - Physical reservoir computing using finitely-sampled quantum systems [0.0]
貯留層計算は物理貯水池の非線形力学を利用して複雑な時系列処理を行う。
ここでは、非線形量子貯水池を用いた連続測定による貯水池計算の枠組みについて述べる。
論文 参考訳(メタデータ) (2021-10-26T16:46:14Z) - 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) - Learning Log-Determinant Divergences for Positive Definite Matrices [47.61701711840848]
本稿では,データ駆動方式で類似度を学習することを提案する。
スカラーアルファとベータによってパラメトリ化されたメタダイバージェンスであるalphabeta-log-detの発散を利用する。
私たちの重要なアイデアは、これらのパラメータを連続体にキャストし、データから学ぶことです。
論文 参考訳(メタデータ) (2021-04-13T19:09:43Z) - Importance sampling of randomized measurements for probing entanglement [0.0]
ランダム化計測プロトコルと重要サンプリングを組み合わせることで、より大きな量子系における絡み合いを特徴づけることができることを示す。
量子状態の部分的情報を用いて、機械学習とテンソルネットワークを用いて、統計的誤差の劇的な低減を求める。
論文 参考訳(メタデータ) (2021-02-26T14:55:53Z)
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。