論文の概要: Quantum Dynamics of Machine Learning

• arxiv url: http://arxiv.org/abs/2407.19890v1
• Date: Sun, 7 Jul 2024 16:30:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 00:56:24.532153
• Title: Quantum Dynamics of Machine Learning
• Title（参考訳）: 機械学習の量子ダイナミクス
• Authors: Peng Wang, Maimaitiniyazi Maimaitiabudula,
• Abstract要約: 機械学習の量子力学方程式(QDE)はシュリンガー方程式とポテンシャルエネルギー等価関係に基づいて得られる。 本稿では,量子力学と熱力学の関係について述べる。
• 参考スコア（独自算出の注目度）: 3.567107449359775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The quantum dynamic equation (QDE) of machine learning is obtained based on Schr\"odinger equation and potential energy equivalence relationship. Through Wick rotation, the relationship between quantum dynamics and thermodynamics is also established in this paper. This equation reformulates the iterative process of machine learning into a time-dependent partial differential equation with a clear mathematical structure, offering a theoretical framework for investigating machine learning iterations through quantum and mathematical theories. Within this framework, the fundamental iterative process, the diffusion model, and the Softmax and Sigmoid functions are examined, validating the proposed quantum dynamics equations. This approach not only presents a rigorous theoretical foundation for machine learning but also holds promise for supporting the implementation of machine learning algorithms on quantum computers.
• Abstract（参考訳）: 機械学習の量子力学方程式(QDE)は、シュリンガー方程式とポテンシャルエネルギー等価関係に基づいて得られる。 ウィック回転により、量子力学と熱力学の関係も確立される。 この方程式は、機械学習の反復過程を、明確な数学的構造を持つ時間依存偏微分方程式に再構成し、量子および数学的理論を通じて機械学習の反復を研究する理論的枠組みを提供する。 本枠組みでは, 基本反復過程, 拡散モデル, ソフトマックス関数およびシグモイド関数について検討し, 提案した量子力学方程式を検証した。 このアプローチは、機械学習の厳格な理論基盤を提供するだけでなく、量子コンピュータ上での機械学習アルゴリズムの実装をサポートすることを約束している。

関連論文リスト

• qHEOM: A Quantum Algorithm for Simulating Non-Markovian Quantum Dynamics Using the Hierarchical Equations of Motion [0.0]
  オープン量子系の非マルコフ力学をシミュレートする量子アルゴリズムを提案する。 提案手法により,雑音型中間スケール量子コンピュータ上での任意の量子マスター方程式の実装が可能となる。
  論文  参考訳（メタデータ） (2024-11-18T20:41:10Z)
• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• Fourier Neural Differential Equations for learning Quantum Field Theories [57.11316818360655]
  量子場理論は相互作用ハミルトニアンによって定義され、散乱行列によって実験データにリンクされる。 本稿では,NDEモデルを用いて理論,スカラー・ユーカワ理論,スカラー量子電磁力学を学習する。 理論の相互作用ハミルトニアンは、ネットワークパラメータから抽出することができる。
  論文  参考訳（メタデータ） (2023-11-28T22:11:15Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• 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)
• Fluctuation theorems for genuine quantum mechanical regimes [0.0]
  作用系が量子領域に入ることを許されたとき、揺らぎ定理を解くための補正を探す。 いくつかの特定の過程に対して、量子および古典的な統計アリーナ内のいくつかのゆらぎ定理を導出する。
  論文  参考訳（メタデータ） (2022-11-29T13:14:30Z)
• Machine learning for excitation energy transfer dynamics [0.0]
  我々は、生物状態におけるオープン量子力学をシミュレートするために、階層的な運動方程式(HEOM)を用いる。 我々は、光収穫錯体を通した電子励起のコヒーレントな伝播を表現した、時間依存オブザーバブルの集合を生成する。 我々は、この研究課題に対処する畳み込みニューラルネットワークの能力を実証する。
  論文  参考訳（メタデータ） (2021-12-22T14:11:30Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Quantum advantage for differential equation analysis [13.39145467249857]
  量子微分方程式解の出力が量子機械学習の入力としてどのように機能するかを示す。 これらの量子アルゴリズムは、既存のモンテカルロ法よりも指数関数的に有利である。
  論文  参考訳（メタデータ） (2020-10-29T17:19:04Z)
• Direct reconstruction of the quantum master equation dynamics of a trapped ion qubit [0.0]
  本稿では,選択した可観測物の期待値の集合から直接,オープン量子系の力学方程式を再構成する手法を提案する。 自然光子散乱下での880textSr+$イオンのダイナミックスをシミュレーションおよび実験的に評価した。
  論文  参考訳（メタデータ） (2020-03-10T13:09:00Z)

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。