論文の概要: Quantum Convolutional Neural Networks for the detection of Gamma-Ray Bursts in the AGILE space mission data
- arxiv url: http://arxiv.org/abs/2404.14133v1
- Date: Mon, 22 Apr 2024 12:34:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 13:56:54.412424
- Title: Quantum Convolutional Neural Networks for the detection of Gamma-Ray Bursts in the AGILE space mission data
- Title（参考訳）: AGILE宇宙ミッションデータにおけるガンマ線バースト検出のための量子畳み込みニューラルネットワーク
- Authors: A. Rizzo, N. Parmiggiani, A. Bulgarelli, A. Macaluso, V. Fioretti, L. Castaldini, A. Di Piano, G. Panebianco, C. Pittori, M. Tavani, C. Sartori, C. Burigana, V. Cardone, F. Farsian, M. Meneghetti, G. Murante, R. Scaramella, F. Schillirò, V. Testa, T. Trombetti,
- Abstract要約: この作業は、2007年にイタリア宇宙機関によって打ち上げられたAGILEの宇宙ミッションのコンテキストに該当する。
我々は、AGILEに搭載されている機器が取得したデータを分析し、スカイマップや光曲線からガンマ線バーストを検出するために、異なる量子畳み込みニューラルネットワーク(QCNN)を実装した。
我々はQCNNを用いたスカイマップで95.1%の精度を達成し、古典的手法では98.8%を同じデータで達成した。
- 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: Quantum computing represents a cutting-edge frontier in artificial intelligence. It makes use of hybrid quantum-classical computation which tries to leverage quantum mechanic principles that allow us to use a different approach to deep learning classification problems. The work presented here falls within the context of the AGILE space mission, launched in 2007 by the Italian Space Agency. We implement different Quantum Convolutional Neural Networks (QCNN) that analyze data acquired by the instruments onboard AGILE to detect Gamma-Ray Bursts from sky maps or light curves. We use several frameworks such as TensorFlow-Quantum, Qiskit and PennyLane to simulate a quantum computer. We achieved an accuracy of 95.1% on sky maps with QCNNs, while the classical counterpart achieved 98.8% on the same data, using however hundreds of thousands more parameters.
- Abstract（参考訳）: 量子コンピューティングは人工知能の最先端のフロンティアである。
これは、量子力学の原理を活用して、ディープラーニングの分類問題に異なるアプローチを適用できるようにするハイブリッド量子古典計算を利用する。
ここで提示された研究は、2007年にイタリア宇宙機関によって打ち上げられたAGILEの宇宙ミッションの文脈に該当する。
我々は、AGILEに搭載されている機器が取得したデータを分析し、スカイマップや光曲線からガンマ線バーストを検出するために、異なる量子畳み込みニューラルネットワーク(QCNN)を実装した。
TensorFlow-Quantum、Qiskit、PennyLaneといったフレームワークを使って量子コンピュータをシミュレートする。
我々はQCNNを用いたスカイマップで95.1%の精度を達成し、古典的手法では98.8%を同じデータで達成した。
関連論文リスト
- Measurement-based quantum machine learning [0.0]
量子ニューラルネットワーク(QNN)は、古典的ニューラルネットワークの概念を量子データのための量子モデルに拡張するオブジェクトである。
マルチトライアングルアンサッツ (MuTA) と呼ぶこのフレームワークで普遍的なQNNを提案する。
論文 参考訳（メタデータ） (2024-05-14T05:17:01Z) - Layered Uploading for Quantum Convolutional Neural Networks [0.0]
量子回路に沿ってデータをアップロードする新しいアーキテクチャを提案する。
これにより、量子回路に使用する量子ビットの数を増やすことなく、データからより多くの機能を利用することができます。
論文 参考訳（メタデータ） (2024-04-15T12:51:51Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Quantum Simulation of Hawking Radiation Using VQE Algorithm on IBM
Quantum Computer [0.0]
変動量子固有解法(VQE)アルゴリズムを用いてホーキング放射現象をシミュレートする。
VQEアルゴリズムでは3つの異なるカスタムアンサーゼを使用しており、最小誤差のケースに対する結果が研究されている。
論文 参考訳（メタデータ） (2021-12-31T15:03:17Z) - Quantum Support Vector Machines for Continuum Suppression in B Meson
Decays [0.27342795342528275]
古典的データを量子状態に変換するプロセスである異なる量子符号化回路が最終分類性能に与える影響について検討する。
本稿では、量子回路シミュレーションを用いて、0.848のAUC(Area Under Receiver Operating Characteristics Curve)の符号化手法を提案する。
データセットの縮小バージョンを使用して、IBM Quantum ibmq_casablancaデバイス上でアルゴリズムを実行し、平均AUCは0.703に達した。
論文 参考訳（メタデータ） (2021-03-23T02:09:05Z) - Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。
MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文 参考訳（メタデータ） (2020-12-08T01:10:30Z) - Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。
我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。
以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文 参考訳（メタデータ） (2020-10-20T20:03:19Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。