論文の概要: Quantum Sparse Coding and Decoding Based on Quantum Network

• arxiv url: http://arxiv.org/abs/2406.06012v1
• Date: Mon, 10 Jun 2024 04:21:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-11 15:06:21.944669
• Title: Quantum Sparse Coding and Decoding Based on Quantum Network
• Title（参考訳）: 量子ネットワークに基づく量子スパース符号化と復号化
• Authors: Xun Ji, Qin Liu, Shang Huang, Andi Chen, Shengjun Wu,
• Abstract要約: スパース符号化と復号化アルゴリズムを実現するための対称量子ニューラルネットワークを提案する。 我々のネットワークは、光回路に自然に適合する多層2レベルユニタリ変換で構成されている。 我々は、古典的問題におけるバイナリとグレースケールの画像の疎符号化と復号化を実現し、量子問題における複雑な量子状態の復号化を実現した。
• 参考スコア（独自算出の注目度）: 1.0683439960798695
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Sparse coding provides a versatile framework for efficiently capturing and representing crucial data (information) concisely, which plays an essential role in various computer science fields, including data compression, feature extraction, and general signal processing. In this study, we propose a symmetric quantum neural network for realizing sparse coding and decoding algorithms. Our networks consist of multi-layer, two-level unitary transformations that are naturally suited for optical circuits. Each gate is described by two real parameters, corresponding to reflectivity and phase shift. Specifically, the two networks can be efficiently trained together or separately using a quantum natural gradient descent algorithm, either simultaneously or independently. Utilizing the trained model, we achieve sparse coding and decoding of binary and grayscale images in classical problems, as well as that of complex quantum states in quantum problems separately. The results demonstrate an accuracy of 98.77\% for image reconstruction and a fidelity of 97.68\% for quantum state revivification. Our quantum sparse coding and decoding model offers improved generalization and robustness compared to the classical model, laying the groundwork for widespread practical applications in the emerging quantum era.
• Abstract（参考訳）: スパース符号化は、重要なデータ(情報)を簡潔に効率的にキャプチャし、表現するための汎用的なフレームワークを提供し、データ圧縮、特徴抽出、一般的な信号処理など、様々なコンピュータ科学分野において重要な役割を果たす。 本研究では,スパース符号化と復号化アルゴリズムを実現するための対称量子ニューラルネットワークを提案する。 我々のネットワークは、光回路に自然に適合する多層2レベルユニタリ変換で構成されている。 各ゲートは2つの実パラメータによって記述され、反射率と位相シフトに対応する。 具体的には、2つのネットワークは、同時に、または独立に、量子自然勾配降下アルゴリズムを用いて、効率よく、または別々に訓練することができる。 訓練されたモデルを用いることで、古典的問題におけるバイナリとグレースケールの画像の疎符号化と復号化、および量子問題における複雑な量子状態の分離を実現する。 その結果、画像再構成では98.77\%、量子状態回復では97.68\%の精度が示された。 我々の量子スパース符号化および復号化モデルは、古典的モデルと比較して一般化と堅牢性を向上し、新興量子時代における広範な実用的な応用の基礎を築いた。

関連論文リスト

• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Understanding the effects of data encoding on quantum-classical convolutional neural networks [0.0]
  量子化法の主要な構成要素は、古典的なデータを量子状態に埋め込むために使用されるデータ符号化戦略である。 本研究では、2つの医用画像データセット上での量子古典的畳み込みニューラルネットワーク(QCCNN)の性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-05-05T18:44:08Z)
• Enhancing the expressivity of quantum neural networks with residual connections [0.0]
  量子残差ニューラルネットワーク(QResNets)を実装する量子回路に基づくアルゴリズムを提案する。 我々の研究は、古典的残留ニューラルネットワークの完全な量子的実装の基礎を築いた。
  論文  参考訳（メタデータ） (2024-01-29T04:00:51Z)
• Realization of quantum algorithms with qudits [0.7892577704654171]
  我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。 我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。 これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
  論文  参考訳（メタデータ） (2023-11-20T18:34:19Z)
• 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)
• Feasible Architecture for Quantum Fully Convolutional Networks [4.849886707973093]
  本稿では,ノイズの多い中間規模量子デバイス上で動作可能な,実現可能な純粋量子アーキテクチャを提案する。 本研究は、純粋量子完全畳み込みネットワークのトレーニングを成功させ、それをハイブリッドソリューションと比較することで利点を論じるものである。
  論文  参考訳（メタデータ） (2021-10-05T01:06:54Z)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Variational learning for quantum artificial neural networks [0.0]
  まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。 次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。 メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
  論文  参考訳（メタデータ） (2021-03-03T16:10:15Z)
• 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。

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。