論文の概要: Quantum reservoir computing on random regular graphs

• arxiv url: http://arxiv.org/abs/2409.03665v1
• Date: Thu, 5 Sep 2024 16:18:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 19:53:43.192011
• Title: Quantum reservoir computing on random regular graphs
• Title（参考訳）: ランダム正則グラフ上の量子貯水池計算
• Authors: Moein N. Ivaki, Achilleas Lazarides, Tapio Ala-Nissila,
• Abstract要約: 量子貯水池コンピューティング(QRC)は、入力駆動多体量子システムと古典的な学習技術を組み合わせた低複雑性学習パラダイムである。 我々は、情報局在化、動的量子相関、および乱れハミルトニアンの多体構造について研究する。 そこで本研究では、乱れたアナログ量子学習プラットフォームの最適設計のためのガイドラインを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum reservoir computing (QRC) is a low-complexity learning paradigm that combines the inherent dynamics of input-driven many-body quantum systems with classical learning techniques for nonlinear temporal data processing. Optimizing the QRC process and computing device is a complex task due to the dependence of many-body quantum systems to various factors. To explore this, we introduce a strongly interacting spin model on random regular graphs as the quantum component and investigate the interplay between static disorder, interactions, and graph connectivity, revealing their critical impact on quantum memory capacity and learnability accuracy. We tackle linear quantum and nonlinear classical tasks, and identify optimal learning and memory regimes through studying information localization, dynamical quantum correlations, and the many-body structure of the disordered Hamiltonian. In particular, we uncover the role of previously overlooked network connectivity and demonstrate how the presence of quantum correlations can significantly enhance the learning performance. Our findings thus provide guidelines for the optimal design of disordered analog quantum learning platforms.
• Abstract（参考訳）: 量子貯水池コンピューティング(QRC)は、入力駆動多体量子系の固有力学と非線形時間的データ処理の古典的学習技術を組み合わせた低複雑性学習パラダイムである。 QRCプロセスと計算装置の最適化は、多体量子システムの様々な要因への依存のため、複雑な作業である。 これを探るため、ランダムな正則グラフ上の強相互作用スピンモデルを量子成分として導入し、静的障害、相互作用、グラフ接続間の相互作用について検討し、量子メモリ容量と学習可能性の正確性に重要な影響を明らかにした。 線形量子および非線形古典的タスクに取り組み、情報局在化、動的量子相関、乱れハミルトニアン多体構造の研究を通して最適学習と記憶規則を同定する。 特に、これまで見過ごされていたネットワーク接続の役割を明らかにし、量子相関の存在が学習性能を大幅に向上させることを示す。 そこで本研究では、乱れたアナログ量子学習プラットフォームの最適設計のためのガイドラインを提供する。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
  我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。 アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。 本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
  論文  参考訳（メタデータ） (2024-07-02T18:00:00Z)
• Coreset selection can accelerate quantum machine learning models with provable generalization [6.733416056422756]
  量子ニューラルネットワーク(QNN)と量子カーネルは、量子機械学習の領域において顕著な存在である。 我々は、QNNと量子カーネルのトレーニングを高速化することを目的とした、コアセット選択という統一的なアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T08:59:46Z)
• Quantum reservoir probing: an inverse paradigm of quantum reservoir computing for exploring quantum many-body physics [0.0]
  本研究では,量子システム自体を情報処理性能によって探索する相互研究の方向性を提案する。 この概念に基づいて、量子貯水池探索(QRP)を開発し、量子貯水池計算(QRC)パラダイムの逆拡張を行う。 量子情報と量子物質を統合することで、QRPは量子多体物理学の様々な側面を探索するための強力なツールとして大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-08-02T01:26:36Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Probing non-Markovian quantum dynamics with data-driven analysis: Beyond "black-box" machine learning models [0.0]
  オープン量子系の非マルコフ力学の解析に対するデータ駆動型アプローチを提案する。 提案手法では, 環境の有効次元と, 共同系環境量子力学のスペクトルを計測する。 オープン量子システムの様々なモデルを用いて提案手法の性能を実証する。
  論文  参考訳（メタデータ） (2021-03-26T14:27:33Z)
• 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 Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
  論文は、非平衡状態における強相関量子系の量子力学に関するものである。 本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
  論文  参考訳（メタデータ） (2020-07-23T19:05:56Z)
• Expressibility and trainability of parameterized analog quantum systems for machine learning applications [0.0]
  システム内の外部駆動と障害の相互作用が、相互作用する量子システムのトレーニング可能性と表現可能性をどのように規定しているかを示す。 我々の研究は、量子多体物理学と機械学習への応用の基本的な関連性を示している。
  論文  参考訳（メタデータ） (2020-05-22T14:59:42Z)

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。