論文の概要: Generating Reservoir State Descriptions with Random Matrices

• arxiv url: http://arxiv.org/abs/2404.07278v2
• Date: Mon, 3 Jun 2024 07:13:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-04 15:27:55.019070
• 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, Tobias Fellner, Christian Holm, Michael Spannowsky,
• Abstract要約: ランダム行列を用いた計算機計測のための新しい手法を示す。 私たちは、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のかを動機付けています。
• 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 using random matrices. We do so to motivate how atomic-scale devices might be used for real-world computing applications. Our approach uses random matrices to construct reservoir measurements, introducing a simple, scalable means for producing state descriptions. In our studies, two reservoirs, a five-atom Heisenberg spin chain, and a five-qubit quantum circuit, perform time series prediction and data interpolation. The performance of the measurement technique and 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 reservoirs, adjusting coupling strength and the measurement dimension, yielding insights into how these learning machines might be automatically tuned for different problems. This research highlights using random matrices to measure simple quantum reservoirs for natural learning devices and outlines a path forward for improving their performance and experimental realization.
• Abstract（参考訳）: ランダム行列を用いた計算機計測のための新しい手法を示す。 私たちは、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のかを動機付けています。 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, 状態記述を生成するためのシンプルでスケーラブルな方法を提案する。 本研究では,2つの貯水池,5原子ハイゼンベルクスピンチェーン,および5量子ビット量子回路を用いて時系列予測とデータ補間を行う。 測定手法の性能と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, 貯水池のパラメータの役割について検討し, 結合強度と測定次元を調整し, 異なる問題に対してこれらの学習機械を自動調整する方法の洞察を得る。 本研究は, ランダム行列を用いて自然学習装置の簡単な量子貯水池を計測し, その性能向上と実験的実現に向けての道のりを概説する。

関連論文リスト

• Natural gradient and parameter estimation for quantum Boltzmann machines [3.9134031118910264]
  パラメータ化熱状態の基本幾何学の式を定式化する。 これらの式の価値を推定するための量子アルゴリズムを導出する。 その結果、量子ボルツマン機械学習のための自然な勾配降下アルゴリズムの開発に応用できる。
  論文  参考訳（メタデータ） (2024-10-31T15:56:06Z)
• Towards Efficient Quantum Anomaly Detection: One-Class SVMs using Variable Subsampling and Randomized Measurements [4.180897432770239]
  量子コンピューティングは、カーネル計算とモデルの精度を大幅に向上させる。 本稿では,量子カーネルの評価にランダム化計測を利用する方法と,可変サブサンプリングアンサンブル法を提案する。 実験の結果, トレーニング時間と推論時間は最大95%, 25%減少した。 不安定ではあるが、ランダム化測定の平均精度は古典的ラジアル基底関数カーネルのそれを上回っている。
  論文  参考訳（メタデータ） (2023-12-14T17:42:18Z)
• 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)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• 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)
• 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)
• Estimation of Convex Polytopes for Automatic Discovery of Charge State Transitions in Quantum Dot Arrays [27.32875035022296]
  スピン量子ビットアレイにおける電子の遷移を制御するための最初の実用的なアルゴリズムを提案する。 提案アルゴリズムは,与えられたポリトープのすべての面の個数,形状,サイズを求めるために,能動的学習を用いる。 以上の結果から, 測定精度の順に小型のファセットを含め, ポリトープのファセットを確実に発見できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-20T12:07:10Z)
• 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)
• Learning with Density Matrices and Random Features [44.98964870180375]
  密度行列は、量子系の統計状態を記述する。 量子系の量子的不確実性と古典的不確実性の両方を表現することは強力な形式主義である。 本稿では,機械学習モデルのビルディングブロックとして密度行列をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2021-02-08T17:54:59Z)

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。