論文の概要: Prediction of chaotic dynamics and extreme events: A recurrence-free quantum reservoir computing approach

• arxiv url: http://arxiv.org/abs/2405.03390v2
• Date: Sat, 26 Oct 2024 12:33:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:13:43.862144
• Title: Prediction of chaotic dynamics and extreme events: A recurrence-free quantum reservoir computing approach
• Title（参考訳）: カオス力学と極端な事象の予測:再帰性のない量子貯水池計算アプローチ
• Authors: Osama Ahmed, Felix Tennie, Luca Magri,
• Abstract要約: 貯留層コンピュータは、極端な事象やカオス力学を時間的に正確に予測することができるが、多くの自由度を必要とするかもしれない。 小型貯水池と正確な予測機能を備えた貯水池コンピュータを設計する。 この研究は、短期量子コンピュータで量子機械学習を使用する新たな機会を開く。
• 参考スコア（独自算出の注目度）: 3.7960472831772765
• License:
• Abstract: In chaotic dynamical systems, extreme events manifest in time series as unpredictable large-amplitude peaks. Although deterministic, extreme events appear seemingly randomly, which makes their forecasting difficult. By learning the dynamics from observables (data), reservoir computers can time-accurately predict extreme events and chaotic dynamics, but they may require many degrees of freedom (large reservoirs). In this paper, by exploiting quantum-computer ans\"atze and entanglement, we design reservoir computers with compact reservoirs and accurate prediction capabilities. First, we propose the recurrence-free quantum reservoir computer (RF-QRC) architecture. By developing ad-hoc quantum feature maps and removing recurrent connections, the RF-QRC has quantum circuits with small depths. This allows the RF-QRC to scale well with higher-dimensional chaotic systems, which makes it suitable for hardware implementation. Second, we forecast the temporal chaotic dynamics and their long-term statistics of low- and higher-dimensional dynamical systems. We find that RF-QRC requires smaller reservoirs than classical reservoir computers. Third, we apply the RF-QRC to the time prediction of extreme events in a model of a turbulent shear flow with turbulent bursts. We find that the RF-QRC has a longer predictability than the classical reservoir computer. The results and analyses indicate that quantum-computer ans\"atze offer nonlinear expressivity and computational scalability, which are useful for forecasting chaotic dynamics and extreme events. This work opens new opportunities for using quantum machine learning on near-term quantum computers.
• Abstract（参考訳）: カオス力学系において、極端事象は予測不能な大振幅ピークとして時系列に現れる。 決定論的ではあるが、極端な事象はランダムに見えるため、予測は困難である。 観測可能な(データ)から力学を学ぶことで、貯水池コンピュータは極端な事象やカオス力学を時間精度で予測できるが、多くの自由度を必要とする(大規模な貯水池)。 本稿では,量子コンピュータのアンス・アテンションと絡み合いを利用して,コンパクトな貯水池と正確な予測能力を備えた貯水池コンピュータを設計する。 まず,再帰性のない量子貯水池コンピュータ (RF-QRC) アーキテクチャを提案する。 アドホックな量子特徴写像を開発し、繰り返し接続を取り除くことで、RF-QRCは小さな深さの量子回路を持つ。 これにより、RF-QRCは高次元カオスシステムとうまくスケールでき、ハードウェアの実装に適している。 第2に,低次元・高次元力学系の時間カオス力学とその長期統計を予測した。 RF-QRCは従来の貯水池コンピュータよりも小さな貯水池を必要とする。 第3に,乱流バーストを伴う乱流せん断流れのモデルにおける極端事象の時間予測にRF-QRCを適用した。 RF-QRCは従来の貯水池コンピュータよりも予測可能性が高いことがわかった。 結果と分析から、量子コンピュータのアンス・アッツは非線形表現性と計算のスケーラビリティを提供し、カオス力学や極端な事象を予測するのに有用であることが示唆された。 この研究は、短期量子コンピュータで量子機械学習を使用する新たな機会を開く。

関連論文リスト

• Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics [3.7960472831772765]
  現在のノイズ中間スケール量子(NISQ)時代には、ノイズの存在は量子コンピューティングアルゴリズムの性能を悪化させる。 本稿では,有限サンプリングノイズが量子貯留層計算(QRC)と再帰性のない量子貯留層計算(RF-QRC)のカオス的時系列予測能力に与える影響を解析する。 有限サンプリングノイズはQRCとRF-QRCの両方の予測能力を劣化させるが,ノイズの伝搬によりQRCに悪影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2024-09-02T17:51:48Z)
• CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
  Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-08-28T00:56:03Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Reservoir Computing Using Measurement-Controlled Quantum Dynamics [0.0]
  共振器内のプローブ原子の力学を利用する量子RCシステムを提案する。 提案した量子貯水池は、少数の人工ニューロンを用いて高速で信頼性の高い予測を行うことができる。
  論文  参考訳（メタデータ） (2024-03-01T22:59:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Hybrid quantum-classical reservoir computing for simulating chaotic systems [2.4995929091995857]
  この研究は、RCの量子貯水池を量子回路回路に置き換えるハイブリッド量子貯水池計算フレームワークを提案する。 HQRCのノイズレスシミュレーションは、最先端の古典RCモデルに匹敵する有効な予測時間を示している。
  論文  参考訳（メタデータ） (2023-11-23T17:07:02Z)
• Quantum Next Generation Reservoir Computing: An Efficient Quantum Algorithm for Forecasting Quantum Dynamics [1.9260081982051918]
  NG-RCは、積分可能系とカオス系の両方において、完全多体量子力学を正確に予測できることを示す。 本稿では,ブロック符号化手法を用いて,量子計算の高速化による多体量子力学予測のためのエンドツーエンド量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-28T00:34:40Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Simulating open quantum many-body systems using optimised circuits in digital quantum simulation [0.0]
  修正シュル・オーディンガー方程式(MSSE)のトロタライゼーションを伴う開量子系のモデルについて検討する。 MSSEにおけるリードエラーの最小化は、量子回路の最適化を可能にする。 我々はこのアルゴリズムをIBM Quantumデバイス上で実行し、現在のマシンはノイズのために定量的に正確な時間力学を与えるのが困難であることを示した。
  論文  参考訳（メタデータ） (2022-03-27T13:00:02Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。