論文の概要: Feedback-driven quantum reservoir computing for time-series analysis

• arxiv url: http://arxiv.org/abs/2406.15783v2
• Date: Fri, 13 Sep 2024 14:50:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-16 22:57:51.456327
• Title: Feedback-driven quantum reservoir computing for time-series analysis
• Title（参考訳）: 時系列解析のためのフィードバック駆動型量子貯水池計算
• Authors: Kaito Kobayashi, Keisuke Fujii, Naoki Yamamoto,
• Abstract要約: 量子貯水池計算(QRC)は、非線形情報処理のための計算資源として量子システムを利用する有望な計算パラダイムである。 時系列分析のためのフィードバック駆動型QRCフレームワークを提案する。 我々は,QRCがフィードバック接続によってフェードメモリ特性の取得に成功したことを実証した。
• 参考スコア（独自算出の注目度）: 1.1920094285063136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum reservoir computing (QRC) is a highly promising computational paradigm that leverages quantum systems as a computational resource for nonlinear information processing. While its application to time-series analysis is eagerly anticipated, prevailing approaches suffer from the collapse of the quantum state upon measurement, resulting in the erasure of temporal input memories. Neither repeated initializations nor weak measurements offer a fundamental solution, as the former escalates the time complexity while the latter restricts the information extraction from the Hilbert space. To address this issue, we propose the feedback-driven QRC framework. This methodology employs projective measurements on all qubits for unrestricted access to the quantum state, with the measurement outcomes subsequently fed back into the reservoir to restore the memory of prior inputs. We demonstrate that our QRC successfully acquires the fading-memory property through the feedback connections, a critical element in time-series processing. Notably, analysis of measurement trajectories reveal three distinct phases depending on the feedback strength, with the memory performance maximized at the edge of chaos. We also evaluate the predictive capabilities of our QRC, demonstrating its suitability for forecasting signals originating from quantum spin systems.
• Abstract（参考訳）: 量子貯水池コンピューティング(QRC)は、非線形情報処理のための計算資源として量子システムを利用する、非常に有望な計算パラダイムである。 時系列解析へのその応用は期待されているが、一般的なアプローチは測定時の量子状態の崩壊に悩まされ、時間的入力メモリが消去される。 前者は時間複雑性をエスカレートし、後者はヒルベルト空間からの情報抽出を制限する。 この問題に対処するため,フィードバック駆動型QRCフレームワークを提案する。 この手法では、量子状態への無制限アクセスのために全ての量子ビットの射影測定を用い、測定結果はその後貯水池に送り返され、以前の入力の記憶を復元する。 時系列処理において重要な要素であるフィードバック接続により,QRCがフェードメモリ特性の取得に成功していることを示す。 特に、測定軌跡の分析では、フィードバック強度に応じて3つの異なる位相が示され、メモリ性能はカオスの端で最大化される。 また、QRCの予測能力を評価し、量子スピン系から発する信号の予測性を示す。

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)
• Overcoming the Coherence Time Barrier in Quantum Machine Learning on Temporal Data [0.0]
  量子ビット型量子システムのための機械学習アルゴリズム NISQRC を提案する。 NISQRCはコヒーレンス時間によって制限されず、任意の長さのテスト信号を復元できることを示す。
  論文  参考訳（メタデータ） (2023-12-26T18:54:33Z)
• Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
  我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。 評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-26T18:23:21Z)
• 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 reservoir computing with repeated measurements on superconducting devices [6.868186896932376]
  我々は、繰り返し測定を利用して時系列を生成する量子貯水池(QR)システムを開発した。 我々は,IBMの量子超伝導デバイス上で提案したQRCを実験的に実装し,高い精度と短い実行時間を実現することを示す。
  論文  参考訳（メタデータ） (2023-10-10T15:29:24Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Time Series Quantum Reservoir Computing with Weak and Projective Measurements [0.0]
  貯水池の量子性を利用して理想的な性能が得られることを示す。 1つは、貯水池のフェーディングメモリによって決定されるダイナミクスの巻き戻し部分と、入力シーケンスの対応するデータを記憶する。 他方は、必要なメモリを邪魔することなく、正確に情報を抽出できるトレードオフでオンラインに動作する弱い測定方法を採用している。
  論文  参考訳（メタデータ） (2022-05-13T17:57:39Z)

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。