論文の概要: Survey on Computational Applications of Tensor Network Simulations

• arxiv url: http://arxiv.org/abs/2408.05011v1
• Date: Fri, 9 Aug 2024 11:46:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-12 15:56:59.522804
• Title: Survey on Computational Applications of Tensor Network Simulations
• Title（参考訳）: テンソルネットワークシミュレーションの計算応用に関する調査研究
• Authors: Marcos Díez García, Antonio Márquez Romero,
• Abstract要約: Reviewは、どのテンソルネットワークに対してどのクラスが提案されているかを明らかにすることを目的としている。 我々は,このレビューを,非専門家による読みやすいテンソルネットワークアプリケーションに関するハイレベルなツアーとして意図している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tensor networks are a popular and computationally efficient approach to simulate general quantum systems on classical computers and, in a broader sense, a framework for dealing with high-dimensional numerical problems. This paper presents a broad literature review of state-of-the-art applications of tensor networks and related topics across many research domains including: machine learning, mathematical optimisation, materials science, quantum chemistry and quantum circuit simulation. This review aims to clarify which classes of relevant applications have been proposed for which class of tensor networks, and how these perform compared with other classical or quantum simulation methods. We intend this review to be a high-level tour on tensor network applications which is easy to read by non-experts, focusing on key results and limitations rather than low-level technical details of tensor networks.
• Abstract（参考訳）: テンソルネットワーク(英: Tensor network)は、古典的コンピュータ上の一般的な量子システムをシミュレートするための一般的で効率的な手法であり、より広い意味では高次元の数値問題を扱うためのフレームワークである。 本稿では, 機械学習, 数学的最適化, 材料科学, 量子化学, 量子回路シミュレーションなど, 様々な研究領域にまたがって, テンソルネットワークの最先端の応用と関連するトピックについて概説する。 本研究の目的は, テンソルネットワークのどのクラスに対してどのクラスが提案されているか, それらが他の古典的, 量子シミュレーション手法と比較してどのように機能するかを明らかにすることである。 我々は,このレビューを,テンソルネットワークの低レベル技術詳細ではなく,重要な結果や制限に焦点を絞った,非専門家による読みやすいテンソルネットワークアプリケーションに関するハイレベルなツアーとして意図している。

関連論文リスト

• Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
  我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。 新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。 我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
  論文  参考訳（メタデータ） (2024-02-20T15:23:24Z)
• A Linear Algebraic Framework for Dynamic Scheduling Over Memory-Equipped Quantum Networks [2.5168553347063862]
  この研究は、量子ネットワークを交換する任意の絡み合いにおけるスケジューリングの問題に対処する。 中間絡み合いリンクの生成を通じて量子メモリを利用する線形代数的フレームワークを導入する。 さらに、マックスウェイトにインスパイアされたポリシーのクラスが提案され、ベンチマークされ、わずかな性能劣化の価格で大幅にコストを削減した。
  論文  参考訳（メタデータ） (2023-07-12T08:41:17Z)
• Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum Circuit Simulation [65.93830818469833]
  テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。 これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。 量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-02-13T19:00:00Z)
• 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)
• Improvements to Gradient Descent Methods for Quantum Tensor Network Machine Learning [0.0]
  任意のテンソルネットワークの初期化に成功したコピーノード方式を提案する。 本稿では、量子インスパイアされたテンソルネットワークモデルを生成する手法の組み合わせを示す数値的な結果を示す。
  論文  参考訳（メタデータ） (2022-03-03T19:00:40Z)
• A Practical Guide to the Numerical Implementation of Tensor Networks I: Contractions, Decompositions and Gauge Freedom [0.0]
  本稿では,テンソルネットワークの手法を数値的に実装するために必要な重要なアイデアとスキルについて概説する。 提案するトピックは、DMRG、TEBD、TRG、PEPS、MERAといった多くの一般的なテンソルネットワークアルゴリズムにおいて重要である。
  論文  参考訳（メタデータ） (2022-02-04T14:10:09Z)
• Loop-Free Tensor Networks for High-Energy Physics [0.0]
  テンソル・ネットワーク・メソッドは 凝縮物質物理学と量子情報科学から生まれた 強力な理論と数値のパラダイムです この簡単なレビューでは、凝縮物質物理学と量子情報科学から生じる強力な理論的および数値的パラダイムであるテンソルネットワーク手法について紹介する。
  論文  参考訳（メタデータ） (2021-09-24T09:38:45Z)
• On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
  ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。 この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。 マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T12:41:50Z)
• Ps and Qs: Quantization-aware pruning for efficient low latency neural network inference [56.24109486973292]
  超低遅延アプリケーションのためのニューラルネットワークのトレーニング中の分級と量子化の相互作用を研究します。 量子化アウェアプルーニングは,タスクのプルーニングや量子化のみよりも計算効率のよいモデルであることが判明した。
  論文  参考訳（メタデータ） (2021-02-22T19:00:05Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Simple heuristics for efficient parallel tensor contraction and quantum circuit simulation [1.4416132811087747]
  本稿では,確率モデルを用いたテンソルネットワークの縮約のための並列アルゴリズムを提案する。 結果のアルゴリズムをランダム量子回路のシミュレーションに適用する。
  論文  参考訳（メタデータ） (2020-04-22T23:00:42Z)

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。