Fugu-MT 論文翻訳(概要): An error-mitigated photonic quantum circuit Born machine

論文の概要: An error-mitigated photonic quantum circuit Born machine

arxiv url: http://arxiv.org/abs/2405.02277v2
Date: Tue, 08 Oct 2024 16:05:46 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-10 16:16:24.166344
Title: An error-mitigated photonic quantum circuit Born machine
Title（参考訳）: 誤差緩和型フォトニック量子回路Bornマシン
Authors: Alexia Salavrakos, Tigran Sedrakyan, James Mills, Shane Mansfield, Rawad Mezher,
Abstract要約: 生成機械学習モデルは、新しいサンプルを生成するために、データの基盤となる分布を学習することを目的としている。量子回路ボーンマシン(QCBM)は、浅い回路上で実装可能な量子生成モデルの一般的な選択である。本稿では,光子損失を伴う現実的なシナリオにおけるQCBMのトレーニングを大幅に改善する,リサイクル緩和と呼ばれる新しいエラー軽減手法について述べる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Generative machine learning models aim to learn the underlying distribution of the data in order to generate new samples. Quantum circuit Born machines (QCBMs) are a popular choice of quantum generative models which can be implemented on shallow circuits. Within the framework of photonic quantum computing, we present a QCBM designed for linear optics. We show that a new error mitigation technique, called recycling mitigation, greatly improves the training of QCBMs in realistic scenarios with photon loss, both through simulations and an experiment on a quantum photonic integrated processor.
Abstract（参考訳）: 生成機械学習モデルは、新しいサンプルを生成するために、データの基盤となる分布を学習することを目的としている。量子回路ボーンマシン(QCBM)は、浅い回路上で実装可能な量子生成モデルの一般的な選択である。フォトニック量子コンピューティングの枠組みの中で,線形光学用に設計されたQCBMを提案する。本研究では, シミュレーションおよび量子フォトニック集積プロセッサの実験により, 光子損失を伴う現実的なシナリオにおけるQCBMのトレーニングを大幅に改善する, リサイクル緩和と呼ばれる新しい誤差軽減手法について述べる。

関連論文リスト

Hybrid Quantum-Classical Normalizing Flow [5.85475369017678]
パラメータ化量子回路に基づくハイブリッド量子古典正規化フロー(HQCNF)モデルを提案する。我々は画像生成問題でモデルを検証した。量子生成逆数ネットワーク(QGAN)のような他の量子生成モデルと比較して、我々のモデルはFr'echet 距離(FID)の低いスコアを得る。
論文参考訳（メタデータ） (2024-05-22T16:37:22Z)
Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文参考訳（メタデータ） (2023-07-31T14:45:29Z)
Towards interpretable quantum machine learning via single-photon quantum walks [2.4047296366832307]
射影シミュレーション(PS)の定量化のための変分法を提案する。 PSは、人工知能の解釈を目的とした強化学習モデルである。量子化PSモデルは、量子干渉を利用して古典的手法以上の能力を得ることができることを示す。
論文参考訳（メタデータ） (2023-01-31T14:38:33Z)
TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文参考訳（メタデータ） (2023-01-13T09:35:05Z)
Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文参考訳（メタデータ） (2022-12-17T05:51:17Z)
Sample-efficient Quantum Born Machine through Coding Rate Reduction [0.0]
量子回路Born Machine (QCBM) は、量子物理学にインスパイアされた暗黙的な生成モデルであり、バイナリ画像を学習するのに自然に適している。第2モーメントのマッチングだけでは量子発生器を訓練するには不十分であるが、クラス確率推定損失と組み合わせると、MCR$2$はモード崩壊に抵抗できる。
論文参考訳（メタデータ） (2022-11-14T06:21:26Z)
Demonstration of a bosonic quantum classifier with data re-uploading [0.1616312990391151]
単一量子ビットシステムでは、データ再ロード技術を用いて普遍的な量子分類器を実現することができる。本稿では,この手法をボソニックシステムに適用した新しい量子分類器を提案し,シリコン光集積量子回路を用いた実演に成功した。
論文参考訳（メタデータ） (2022-07-14T02:05:55Z)
Recompilation-enhanced simulation of electron-phonon dynamics on IBM Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文参考訳（メタデータ） (2022-02-16T19:00:00Z)
All-optical Quantum State Engineering for Rotation-symmetric Bosonic States [0.0]
我々は、コヒーレント光子サブトラクションを用いて、ガウス的でない様々な状態を生成する方法を提案し、解析する。提案手法は,現在の量子フォトニクス技術で容易に実装できる。
論文参考訳（メタデータ） (2021-05-23T22:43:23Z)
Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文参考訳（メタデータ） (2021-04-21T13:26:42Z)
Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文参考訳（メタデータ） (2020-10-01T16:04:22Z)

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。