論文の概要: Tensor-Networks-based Learning of Probabilistic Cellular Automata Dynamics
- arxiv url: http://arxiv.org/abs/2404.11768v1
- Date: Wed, 17 Apr 2024 21:51:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-19 13:30:32.934537
- Title: Tensor-Networks-based Learning of Probabilistic Cellular Automata Dynamics
- Title（参考訳）: テンソルネットワークスによる確率的セルオートマタダイナミクスの学習
- Authors: Heitor P. Casagrande, Bo Xing, William J. Munro, Chu Guo, Dario Poletti,
- Abstract要約: 我々は,多体量子系を研究するための顕著な数値計算手法である行列積演算子に着目した。
本研究では,確率論的シーケンス・ツー・シーケンス過程を学習するための行列積演算子アルゴリズムを開発した。
この新しいアプローチは、異なる条件下で確率的セルオートマトン過程を正確に学習することができる。
- 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: Algorithms developed to solve many-body quantum problems, like tensor networks, can turn into powerful quantum-inspired tools to tackle problems in the classical domain. In this work, we focus on matrix product operators, a prominent numerical technique to study many-body quantum systems, especially in one dimension. It has been previously shown that such a tool can be used for classification, learning of deterministic sequence-to-sequence processes and of generic quantum processes. We further develop a matrix product operator algorithm to learn probabilistic sequence-to-sequence processes and apply this algorithm to probabilistic cellular automata. This new approach can accurately learn probabilistic cellular automata processes in different conditions, even when the process is a probabilistic mixture of different chaotic rules. In addition, we find that the ability to learn these dynamics is a function of the bit-wise difference between the rules and whether one is much more likely than the other.
- Abstract（参考訳）: テンソルネットワークのような多体量子問題を解くために開発されたアルゴリズムは、古典的な領域における問題に対処するための強力な量子インスパイアされたツールになる。
本研究では,多体量子系の研究,特に一次元における行列積演算子(行列積演算子)に焦点をあてる。
このようなツールは、分類、決定論的シーケンス・ツー・シーケンスプロセスの学習、および汎用量子プロセスの学習に使用できることがこれまで示されてきた。
さらに,確率的シーケンス・ツー・シーケンスの過程を学習する行列積演算子アルゴリズムを開発し,確率的セルオートマトンに適用する。
この新しいアプローチは、異なるカオス規則の確率論的混合である場合でも、異なる条件下で確率論的セルオートマトンプロセスを正確に学習することができる。
さらに、これらの力学を学習する能力は、規則と一方が他方よりもずっと高い確率であるかどうかのビットワイズ差の関数であることがわかった。
関連論文リスト
- Evaluation of phase shifts for non-relativistic elastic scattering using quantum computers [39.58317527488534]
本研究は, 量子コンピュータ上での一般相対論的非弾性散乱過程の位相シフトを求めるアルゴリズムの開発を報告する。
論文 参考訳（メタデータ） (2024-07-04T21:11:05Z) - The Clock and the Pizza: Two Stories in Mechanistic Explanation of
Neural Networks [59.26515696183751]
ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。
単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
論文 参考訳（メタデータ） (2023-06-30T17:59:13Z) - A hybrid quantum-classical algorithm for multichannel quantum scattering
of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。
大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文 参考訳（メタデータ） (2023-04-12T18:10:47Z) - Multiclass classification utilising an estimated algorithmic probability
prior [0.5156484100374058]
我々は,アルゴリズム情報理論,特にアルゴリズム的確率が,機械学習タスクにどのように役立つかを研究する。
この研究は、アルゴリズムの確率が具体的な実世界の機械学習問題にどのように役立つかを示す最初の1つである。
論文 参考訳（メタデータ） (2022-12-14T07:50:12Z) - Simulating Hamiltonian dynamics in a programmable photonic quantum
processor using linear combinations of unitary operations [4.353492002036882]
我々は,マルチプロデューサのトロッター化を改良し,斜め振幅増幅と組み合わせて,高いシミュレーション精度と高い成功確率を同時に達成する。
シリコンの集積フォトニクスプログラマブル量子シミュレータにおいて, 修正多積アルゴリズムを実験的に実装した。
論文 参考訳（メタデータ） (2022-11-12T18:49:41Z) - A Quantum Algorithm for Computing All Diagnoses of a Switching Circuit [73.70667578066775]
ほとんどの人造システム、特にコンピュータは決定論的に機能する。
本稿では、量子物理学が確率法則に従うときの直観的なアプローチである量子情報理論による接続を提供する。
論文 参考訳（メタデータ） (2022-09-08T17:55:30Z) - Machine-learning assisted quantum control in random environment [3.8580539160777625]
本稿では,ニューラルネットワークに基づく機械学習アルゴリズムの概念実証と解析について紹介する。
畳み込みニューラルネットワークは、障害を認識できるため、この問題を解決可能であることを示す。
提案アルゴリズムの精度は障害パターンの高次元マッピングにより向上することを示した。
論文 参考訳（メタデータ） (2022-02-21T15:12:39Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。
これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
論文 参考訳（メタデータ） (2020-11-09T01:13:07Z) - Probabilistic Nonunitary Gate in Imaginary Time Evolution [19.255769538019106]
非単体手術の確率的手法を拡張し, 忠実度を低下させることなく成功確率を向上できることを示す。
この方法は、量子コンピュータ上のテンソルネットワークの想像的時間進化と収縮の問題に適用できる。
論文 参考訳（メタデータ） (2020-06-17T08:56:06Z) - Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。
より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文 参考訳（メタデータ） (2020-01-28T17:35:32Z)
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。