論文の概要: Development of Pattern Recognition Validation for Boson Sampling

• arxiv url: http://arxiv.org/abs/2404.15603v1
• Date: Wed, 24 Apr 2024 02:42:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-25 14:43:50.838445
• Title: Development of Pattern Recognition Validation for Boson Sampling
• Title（参考訳）: ボソンサンプリングのためのパターン認識バリデーションの開発
• Authors: Yang Ji, Yongzheng Wu, Shi Wang, Jie Hou, Meiling Chen, Ming Ni,
• Abstract要約: ボソンサンプリングは、量子計算の優位性を示す最も魅力的な量子計算モデルの一つである。 量子量子化の優位性を示すために光子識別性が高すぎるかどうかを評価するためにベイズ検証法が開発され、ボソンサンプリングのためのパターン認識検証法が開発された。
• 参考スコア（独自算出の注目度）: 9.4267709534412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Boson sampling is one of the most attractive quantum computation models to demonstrate the quantum computational advantage. However, this aim may be hard to realize considering noise sources such as photon distinguishability. Inspired by the Bayesian validation developed to evaluate whether photon distinguishability is too high to demonstrate the quantum computational advantage, we develop the pattern recognition validation for boson sampling. Based on clusters constructed with the K means++ method, the distribution of test values is nearly monotonically changed with the photon indistinguishability, especially when photons are close to be indistinguishable. We analyze the intrinsic data structure through calculating probability distributions and mean 2-norm distances of the sorted outputs. Approximation algorithms are also used to show the data structure changes with photon distinguishability.
• Abstract（参考訳）: ボソンサンプリングは、量子計算の優位性を示す最も魅力的な量子計算モデルの一つである。 しかし、この目的は光子識別性などのノイズ源を考慮することは困難である。 量子量子化の優位性を示すために光子識別性が高すぎるかどうかを評価するためにベイズ検証法が開発され、ボソンサンプリングのためのパターン認識検証法が開発された。 K平均++法で構築されたクラスタに基づいて、テスト値の分布はほぼ単調に変化し、特に光子が識別不能に近い場合、光子を識別不能にする。 本研究では, 確率分布と平均2ノルム距離を算出し, 固有データ構造を解析する。 近似アルゴリズムは、光子識別性によるデータ構造の変化を示すためにも用いられる。

関連論文リスト

• Experimental validation of boson sampling using detector binning [0.0]
  複数の光モード上に結合した出力光子計数分布に対する効率よく計算可能な式に基づくボソンサンプリング器のテスト戦略を実験的に実証した。 本実験は, 識別不能な値が高い場合, 理想のボソンサンプリングモード分布を正確に再現することを示した。 本研究では,Haar-averaged binned-mode分布の挙動を偏微分性で解析し,その分散が光子の識別不能パラメータの正方形の平均値に比例することを解析的に示す。
  論文  参考訳（メタデータ） (2025-02-07T17:12:46Z)
• Simulating lossy and partially distinguishable quantum optical circuits: theory, algorithms and applications to experiment validation and state preparation [0.0]
  我々は,光子数分布の計算が指数時間で可能であることを証明し,高速化を実現する。 その結果,Fock と Gaussian のボーソンサンプリングの検証試験において,大幅な高速化と精度の向上が得られた。 彼らはリアルなフォトニック回路のより効率的なシミュレーションへの道を開いた。
  論文  参考訳（メタデータ） (2024-12-23T17:45:37Z)
• Enabling Uncertainty Estimation in Iterative Neural Networks [49.56171792062104]
  本研究では,アンサンブルのような手法よりもはるかに低い計算コストで最先端の見積もりを提供する不確実性推定手法を開発する。 航空画像における道路検出と2次元および3次元形状の空力特性の推定という2つの応用領域に組み込むことで,その実用的価値を実証する。
  論文  参考訳（メタデータ） (2024-03-25T13:06:31Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
  画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。 決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。 本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-11T15:20:54Z)
• Representing Noisy Image Without Denoising [91.73819173191076]
  ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。 従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
  論文  参考訳（メタデータ） (2023-01-18T10:13:29Z)
• Efficient validation of Boson Sampling from binned photon-number distributions [0.0]
  単光子入力を用いたボソンサンプリング器の正しい機能テストを提案する。 理論的議論と数値シミュレーションを通して、双モード光子数分布が現実的なシナリオで利用できることを示す。
  論文  参考訳（メタデータ） (2022-12-19T17:22:35Z)
• Gaussian boson sampling with partial distinguishability [0.0]
  本稿では,仮想モードと識別不可能性に基づくアプローチを用いて,部分的な識別可能性を持つGBSについて検討する。 GBSにおける量子超越性の境界は, 偏微分可能性によってさらに推し進めることができることを示す。
  論文  参考訳（メタデータ） (2021-05-20T08:17:51Z)
• Consistency Regularization for Certified Robustness of Smoothed Classifiers [89.72878906950208]
  最近のランダムな平滑化技術は、最悪の$ell$-robustnessを平均ケースのロバストネスに変換することができることを示している。 その結果,スムーズな分類器の精度と信頼性の高いロバスト性とのトレードオフは,ノイズに対する予測一貫性の規則化によって大きく制御できることが判明した。
  論文  参考訳（メタデータ） (2020-06-07T06:57:43Z)
• Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
  スパースサンプリングされた場所のみの機能を計算することを提案する。 次に、効率的な手順で特徴写像を密に再構築する。 提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
  論文  参考訳（メタデータ） (2020-03-19T15:36:31Z)

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。