論文の概要: Parameter Estimation in Quantum Metrology Technique for Time Series Prediction
- arxiv url: http://arxiv.org/abs/2406.07893v1
- Date: Wed, 12 Jun 2024 05:55:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-13 18:15:17.155014
- Title: Parameter Estimation in Quantum Metrology Technique for Time Series Prediction
- Title（参考訳）: 時系列予測のための量子メトロロジー手法のパラメータ推定
- Authors: Vaidik A Sharma, N. Madurai Meenachi, B. Venkatraman,
- Abstract要約: 本稿では,気象予測における量子計算の手法について検討する。
変動パラメータ推定による予測ポテンシャルの向上に焦点を当てる。
パラメータ分布と学習速度が予測精度に与える影響について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The paper investigates the techniques of quantum computation in metrological predictions, with a particular emphasis on enhancing prediction potential through variational parameter estimation. The applicability of quantum simulations and quantum metrology techniques for modelling complex physical systems and achieving high-resolution measurements are proposed. The impacts of various parameter distributions and learning rates on predictive accuracy are investigated. Modelling the time evolution of physical systems Hamiltonian simulation and the product formula procedure are adopted. The time block method is analyzed in order to reduce simulation errors, while the Schatten-infinite norm is used to evaluate the simulation precision. Methodology requires estimation of optimized parameters by minimizing loss functions and resource needs. For this purpose, the mathematical formulations of Cramer Rao Bound and Fischer Information are indispensable requirements. The impact of learning rates on regulating the loss function for various parameter values. Using parameterized quantum circuits, the article outlines a four-step procedure for extracting information. This method involves the preparation of input states, the evolution of parameterized quantum states, the measurement of outputs, and the estimation of parameters based on multiple measurements. The study analyses variational unitary circuits with optimized parameter estimation for more precise predictions. The findings shed light on the effects of normal parameter distributions and learning rates on attaining the most optimal state and comparison with classical Long Short Term Memory (LSTM) predictions, providing valuable insights for the development of more appropriate approaches in quantum computing.
- Abstract（参考訳）: 本稿では,気象予測における量子計算の手法について検討し,特に変分パラメータ推定による予測ポテンシャルの向上に着目した。
複雑な物理系をモデル化し、高分解能の測定を行うための量子シミュレーションと量子メトロジー技術の適用性を提案する。
パラメータ分布と学習率が予測精度に与える影響について検討した。
物理系の時間発展をモデル化するハミルトニアンシミュレーションと積公式手順が採用されている。
シミュレーション誤差を低減するために時間ブロック法を解析し、シミュレーション精度を評価するためにシャッテン無限ノルムを用いる。
損失関数とリソース要求を最小化することで最適化されたパラメータを推定する必要がある。
この目的のために、クレーマー・ラオバウンドとフィッシャー・インフォメーションの数学的定式化は不可欠である。
各種パラメータ値の損失関数制御における学習率の影響
パラメータ化量子回路を用いて、情報抽出のための4段階の手順を概説する。
この方法は、入力状態の作成、パラメータ化された量子状態の進化、出力の測定、および複数の測定値に基づくパラメータの推定を含む。
本研究は、より正確な予測のためのパラメータ推定を最適化した変分ユニタリ回路を解析する。
この結果は、通常のパラメータ分布と学習速度が最適状態に達することに与える影響と、古典的なLong Short Term Memory (LSTM) 予測との比較に光を当て、量子コンピューティングにおけるより適切なアプローチの開発に有用な洞察を与える。
関連論文リスト
- Optimizing Hyperparameters for Quantum Data Re-Uploaders in Calorimetric Particle Identification [11.099632666738177]
本稿では,1量子ビットデータ再アップロード(QRU)量子モデルの粒子分類への応用について述べる。
このモデルは、強力な分類性能を提供しながら、最小の量子ビットを必要とする。
論文 参考訳（メタデータ） (2024-12-16T23:10:00Z) - Scaling Exponents Across Parameterizations and Optimizers [94.54718325264218]
本稿では,先行研究における重要な仮定を考察し,パラメータ化の新たな視点を提案する。
私たちの経験的調査には、3つの組み合わせでトレーニングされた数万のモデルが含まれています。
最高の学習率のスケーリング基準は、以前の作業の仮定から除外されることがよくあります。
論文 参考訳（メタデータ） (2024-07-08T12:32:51Z) - Identifying overparameterization in Quantum Circuit Born Machines [1.7259898169307613]
量子回路Bornマシンのオーバーパラメータ化遷移の開始について,非逆勾配法を用いて学習した生成モデルについて検討する。
我々の結果は、これらのモデルのトレーニング可能性を完全に理解することは、未解決の問題であることを示している。
論文 参考訳（メタデータ） (2023-07-06T21:05:22Z) - Embed and Emulate: Learning to estimate parameters of dynamical systems
with uncertainty quantification [11.353411236854582]
本稿では,高次元力学系の不確実性を考慮したパラメータ推定のための学習エミュレータについて検討する。
私たちのタスクは、基礎となるパラメータの可能性のある値の範囲を正確に見積もることです。
結合した396次元のマルチスケールロレンツ96系において,本手法は典型的なパラメータ推定法よりも優れていた。
論文 参考訳（メタデータ） (2022-11-03T01:59:20Z) - Scalable Gaussian Process Hyperparameter Optimization via Coverage
Regularization [0.0]
本稿では,予測の不確かさの堅牢性を改善するために,Maternカーネルのスムーズさと長大パラメータを推定するアルゴリズムを提案する。
数値実験で示すように,高いスケーラビリティを維持しつつ,残余可能性よりも改善されたUQを実現する。
論文 参考訳（メタデータ） (2022-09-22T19:23:37Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-31T16:33:10Z) - Quantum parameter estimation in a dissipative environment [44.23814225750129]
本研究では, 発散型ボゾン環境下でのキュービットプローブに基づく量子パラメータ推定の性能について検討する。
その結果, (i) 非マルコビアン性は推定性能を効果的に向上させることができ, (ii) 垂直プローブ環境相互作用を導入することにより, 推定精度を向上させることができることがわかった。
論文 参考訳（メタデータ） (2021-10-15T02:43:24Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - Machine Learning Based Parameter Estimation of Gaussian Quantum States [14.85374185122389]
単一モードガウス量子状態のパラメータ推定のための機械学習フレームワークを提案する。
ベイジアン・フレームワークでは、測定データから適切な事前分布のパラメータを推定する。
論文 参考訳（メタデータ） (2021-08-13T04:59:16Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳（メタデータ） (2021-06-21T23:42:58Z) - In and out of equilibrium quantum metrology with mean-field quantum
criticality [68.8204255655161]
本稿では,集団遷移現象が量子力学プロトコルに与える影響について考察する。
単一球面量子スピン(SQS)は平均場レベルでの分析的な洞察を可能にするステレオタイプ玩具モデルとして機能する。
論文 参考訳（メタデータ） (2020-01-09T19:20:42Z)
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。