論文の概要: Continuous-variable Quantum Boltzmann Machine
- arxiv url: http://arxiv.org/abs/2405.06580v1
- Date: Fri, 10 May 2024 16:34:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 15:18:23.358044
- Title: Continuous-variable Quantum Boltzmann Machine
- Title(参考訳): 連続可変量子ボルツマンマシン
- Authors: Shikha Bangar, Leanto Sunny, Kübra Yeter-Aydeniz, George Siopsis,
- Abstract要約: 本稿では,強力なエネルギーベースニューラルネットワークを用いた連続可変量子ボルツマンマシン(CVQBM)を提案する。
連続可変(CV)フォトニック量子コンピュータで実験的に実現可能である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a continuous-variable quantum Boltzmann machine (CVQBM) using a powerful energy-based neural network. It can be realized experimentally on a continuous-variable (CV) photonic quantum computer. We used a CV quantum imaginary time evolution (QITE) algorithm to prepare the essential thermal state and then designed the CVQBM to proficiently generate continuous probability distributions. We applied our method to both classical and quantum data. Using real-world classical data, such as synthetic aperture radar (SAR) images, we generated probability distributions. For quantum data, we used the output of CV quantum circuits. We obtained high fidelity and low Kuller-Leibler (KL) divergence showing that our CVQBM learns distributions from given data well and generates data sampling from that distribution efficiently. We also discussed the experimental feasibility of our proposed CVQBM. Our method can be applied to a wide range of real-world problems by choosing an appropriate target distribution (corresponding to, e.g., SAR images, medical images, and risk management in finance). Moreover, our CVQBM is versatile and could be programmed to perform tasks beyond generation, such as anomaly detection.
- Abstract(参考訳): 本稿では,強力なエネルギーベースニューラルネットワークを用いた連続可変量子ボルツマンマシン(CVQBM)を提案する。
連続可変(CV)フォトニック量子コンピュータで実験的に実現可能である。
CV量子想像時間進化法 (QITE) を用いて本質的な熱状態の準備を行い, CVQBMを用いて連続確率分布を良好に生成する設計を行った。
古典データと量子データの両方に本手法を適用した。
合成開口レーダ(SAR)画像などの実世界の古典的データを用いて,確率分布を生成する。
量子データにはCV量子回路の出力を使用しました。
CVQBMが与えられたデータから分布をよく学習し,その分布から効率的にデータサンプリングを行うことを示す。
また,提案するCVQBMの有効性についても検討した。
本手法は, 適切な目標分布(例えば, SAR画像, 医療画像, ファイナンスにおけるリスク管理)を選択することで, 幅広い現実的問題に適用できる。
さらに, CVQBMは汎用性が高く, 異常検出などの生成以上のタスクを実行できる。
関連論文リスト
- Continuous-variable quantum kernel method on a programmable photonic quantum processor [0.0]
CV量子カーネル法は,実験上の不完全条件下であっても,複数のデータセットを頑健に分類できることを実験的に証明した。
このデモンストレーションは、QMLのためのCV量子システムの実用性に光を当て、他のCVQMLアルゴリズムにおけるさらなる研究を刺激する。
論文 参考訳(メタデータ) (2024-05-02T08:33:31Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Quantum state preparation for bell-shaped probability distributions using deconvolution methods [0.0]
量子データをロードするための古典量子ハイブリッド手法を提案する。
本稿では,Jensen-Shannon距離をコスト関数として用いて,古典的なステップから得られる結果の近接度と目標分布を定量化する。
デコンボリューションステップからの出力は、与えられた確率分布をロードするために必要な量子回路を構築するために使用される。
論文 参考訳(メタデータ) (2023-10-08T06:55:47Z) - 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) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Protocols for classically training quantum generative models on
probability distributions [17.857341127079305]
量子生成モデリング(QGM)は、量子状態を作成し、サンプルを隠れた(あるいは既知の)確率分布として生成することに依存する。
そこで本研究では,QGMの高速勾配を考慮した回路に基づく古典的学習手法を提案する。
通常のデスクトップコンピュータ上で最大30キュービットの確率分布を用いたIQP回路のエンドツーエンドのトレーニングを数値的に示す。
論文 参考訳(メタデータ) (2022-10-24T17:57:09Z) - Deterministic and random features for large-scale quantum kernel machine [0.9404723842159504]
提案した決定論的およびランダムな特徴を用いて量子カーネル法(QKM)をスケーラブルにすることができることを示す。
O(1,000) sim O(10,000)$トレーニングデータを含むデータセットを用いた数値実験は,本手法の有効性を裏付けるものである。
論文 参考訳(メタデータ) (2022-09-05T13:22:34Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳(メタデータ) (2022-05-10T08:05:59Z) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳(メタデータ) (2021-10-11T18:00:20Z) - Gaussian states of continuous-variable quantum systems provide universal
and versatile reservoir computing [0.0]
我々は、オンライン時系列処理の効率的なフレームワークである貯水池コンピューティングについて検討する。
入力時系列をガウス状態に符号化することは、入力出力マップ全体の非線形性を調整するための情報源および手段である。
論文 参考訳(メタデータ) (2020-06-08T18:00:03Z)
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。