論文の概要: Concept learning of parameterized quantum models from limited measurements

• arxiv url: http://arxiv.org/abs/2408.05116v1
• Date: Fri, 9 Aug 2024 15:07:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-12 15:27:33.607373
• Title: Concept learning of parameterized quantum models from limited measurements
• Title（参考訳）: 限定測定によるパラメタライズド量子モデルの概念学習
• Authors: Beng Yee Gan, Po-Wei Huang, Elies Gil-Fuster, Patrick Rebentrost,
• Abstract要約: 古典的モデリングにおいて量子測定の確率論的性質を考慮し、これらの量について単一の統合学習フレームワークで議論する。 パラメータ化量子モデルを学習し、学習アルゴリズムの性能に対する2つの変数の非対称効果と相互作用を定量化する。 我々の研究は、量子システムの古典的学習における有限計測ノイズの操作的影響を分析するための新しいツールを提供する。
• 参考スコア（独自算出の注目度）: 0.7499722271664147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classical learning of the expectation values of observables for quantum states is a natural variant of learning quantum states or channels. While learning-theoretic frameworks establish the sample complexity and the number of measurement shots per sample required for learning such statistical quantities, the interplay between these two variables has not been adequately quantified before. In this work, we take the probabilistic nature of quantum measurements into account in classical modelling and discuss these quantities under a single unified learning framework. We provide provable guarantees for learning parameterized quantum models that also quantify the asymmetrical effects and interplay of the two variables on the performance of learning algorithms. These results show that while increasing the sample size enhances the learning performance of classical machines, even with single-shot estimates, the improvements from increasing measurements become asymptotically trivial beyond a constant factor. We further apply our framework and theoretical guarantees to study the impact of measurement noise on the classical surrogation of parameterized quantum circuit models. Our work provides new tools to analyse the operational influence of finite measurement noise in the classical learning of quantum systems.
• Abstract（参考訳）: 量子状態に対する可観測物の期待値の古典的な学習は、学習量子状態やチャネルの自然な変種である。 学習理論のフレームワークは、そのような統計量を学ぶのに必要なサンプルの複雑さと測定ショット数を確立するが、これらの2つの変数間の相互作用は、これまで十分に定量化されていなかった。 本研究では、古典的モデリングにおいて量子計測の確率論的性質を考慮し、これらの量について単一の統合学習フレームワークで議論する。 パラメータ化量子モデルを学習し、学習アルゴリズムの性能に対する2つの変数の非対称効果と相互作用を定量化する。 これらの結果から, サンプルサイズの増加は古典機械の学習性能を高めるが, 単発推定であっても, 測定値の増大による改善は, 一定の因子を超えた漸近的に容易となることがわかった。 さらに、パラメータ化量子回路モデルの古典的サロゲーションに対する測定ノイズの影響について、我々の枠組みと理論的保証を適用した。 我々の研究は、量子システムの古典的学習における有限計測ノイズの操作的影響を分析するための新しいツールを提供する。

関連論文リスト

• Entanglement-induced provable and robust quantum learning advantages [0.0]
  我々は、表現性、推論速度、トレーニング効率の観点から、ノイズロストで無条件の量子学習の利点を厳格に確立する。 我々の証明は情報理論であり、この優位性の起源を示唆している。
  論文  参考訳（メタデータ） (2024-10-04T02:39:07Z)
• Flexible Error Mitigation of Quantum Processes with Data Augmentation Empowered Neural Model [9.857921247636451]
  誤り軽減のためのデータ拡張強化型ニューラルモデルを提案する。 我々のモデルは、特定のノイズタイプや測定設定に関する事前の知識を必要としない。 対象の量子プロセスのノイズ測定結果のみからノイズフリー統計を推定することができる。
  論文  参考訳（メタデータ） (2023-11-03T05:52:14Z)
• Learning quantum properties from short-range correlations using multi-task networks [3.7228085662092845]
  相関長が一定である多体量子状態の様々な量子特性を予測できるニューラルネットワークモデルを提案する。 このモデルはマルチタスク学習の技術に基づいており、従来のシングルタスクアプローチよりもいくつかの利点があることを示す。
  論文  参考訳（メタデータ） (2023-10-18T08:53:23Z)
• 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)
• Transition Role of Entangled Data in Quantum Machine Learning [51.6526011493678]
  エンタングルメントは量子コンピューティングを強化するリソースとして機能する。 最近の進歩は量子力学の学習に対する肯定的な影響を浮き彫りにした。 我々は、絡み合ったデータを用いて量子力学を学習するための量子no-free-lunch(NFL)定理を確立する。
  論文  参考訳（メタデータ） (2023-06-06T08:06:43Z)
• 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)
• Quantum Local Differential Privacy and Quantum Statistical Query Model [0.7673339435080445]
  量子統計クエリは、限られた量子資源を持つ学習者の計算能力を研究する理論的枠組みを提供する。 本研究では,局所モデルにおける量子統計クエリと量子微分プライバシーの等価性を確立する。 局所的な差分プライバシーの下での量子多要素計算の課題を考察する。
  論文  参考訳（メタデータ） (2022-03-07T18:38:02Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Experimental violations of Leggett-Garg's inequalities on a quantum computer [77.34726150561087]
  単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。 本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
  論文  参考訳（メタデータ） (2021-09-06T14:35:15Z)
• 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)
• Importance sampling of randomized measurements for probing entanglement [0.0]
  ランダム化計測プロトコルと重要サンプリングを組み合わせることで、より大きな量子系における絡み合いを特徴づけることができることを示す。 量子状態の部分的情報を用いて、機械学習とテンソルネットワークを用いて、統計的誤差の劇的な低減を求める。
  論文  参考訳（メタデータ） (2021-02-26T14:55:53Z)

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。