Fugu-MT 論文翻訳(概要): Engineering Quantum Reservoirs through Krylov Complexity, Expressivity and Observability

論文の概要: Engineering Quantum Reservoirs through Krylov Complexity, Expressivity and Observability

arxiv url: http://arxiv.org/abs/2409.12079v2
Date: Wed, 19 Feb 2025 17:48:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-20 13:56:07.888489
Title: Engineering Quantum Reservoirs through Krylov Complexity, Expressivity and Observability
Title（参考訳）: クリロフ複雑度, 表現性, 可観測性を利用した工学的量子貯留層
Authors: Saud Čindrak, Lina Jaurigue, Kathy Lüdge,
Abstract要約: この研究は、量子貯水池計算におけるタスク性能を理解するために、Krylovに基づく情報測度を用いている。我々は,量子系の短時間進化におけるタスク性能を,忠実度と拡散複雑性によって説明できることを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study employs Krylov-based information measures to understand task performance in quantum reservoir computing, a sub-field of quantum machine learning. In our study we show that fidelity and spread complexity can only explain the task performance for short time evolutions of the quantum systems. We then discuss two measures, Krylov expressivity and Krylov observability, and compare them to task performance and the information processing capacity. Our results show that Krylov observability exhibits almost identical behavior to information processing capacity, while being three orders of times faster to compute. In the case when the system is undersampled Krylov observability best captures the behavior of the task performance.
Abstract（参考訳）: この研究は、量子機械学習のサブフィールドである量子貯水池コンピューティングにおけるタスク性能を理解するために、Krylovに基づく情報測度を用いている。本研究は, 量子系の短時間進化におけるタスク性能について, 忠実度と拡散複雑性が説明できることを示すものである。次に、Krylov表現性とKrylov可観測性という2つの尺度について論じ、それらをタスク性能と情報処理能力と比較する。以上の結果から,Krylovオブザーバビリティは情報処理能力とほぼ同一の挙動を示し,計算の3倍高速であることがわかった。システムがアンサンプされた場合、Krylovオブザーバビリティはタスクパフォーマンスの振る舞いを最もよく捉えます。

関連論文リスト

Visual Analytics of Performance of Quantum Computing Systems and Circuit Optimization [0.23213238782019316]
本稿では,量子デバイスの性能特性の解析と量子回路最適化のための視覚解析手法について述べる。我々のアプローチは、量子デバイスの性能データにおける空間的パターンと時間的パターンを探索することを可能にする。個々の量子ビットを特徴付ける誤差特性の詳細な解析もサポートする。
論文参考訳（メタデータ） (2024-09-10T02:09:55Z)
The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文参考訳（メタデータ） (2024-08-19T12:18:07Z)
Quantum Visual Feature Encoding Revisited [8.839645003062456]
本稿では,量子機械学習の初期段階である量子視覚符号化戦略を再考する。根本原因を調べた結果,既存の量子符号化設計では符号化処理後の視覚的特徴の情報保存が不十分であることが判明した。我々は、このギャップを最小限に抑えるために、量子情報保存と呼ばれる新しい損失関数を導入し、量子機械学習アルゴリズムの性能を向上した。
論文参考訳（メタデータ） (2024-05-30T06:15:08Z)
Quantum Walks on Simplicial Complexes and Harmonic Homology: Application to Topological Data Analysis with Superpolynomial Speedups [9.538251541300028]
ラプラシアン(Laplacian)は、スペクトル特性が基礎となる単体錯体を反映する重要な数学的対象である。以上の結果から,大規模データセットの量子オラクルを必要とせずに,量子ウォークによる超ポリノミカル量子スピードアップを実現した。
論文参考訳（メタデータ） (2024-04-23T18:00:17Z)
Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文参考訳（メタデータ） (2024-01-20T03:11:59Z)
Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文参考訳（メタデータ） (2023-11-07T04:35:03Z)
Quantum reservoir complexity by Krylov evolution approach [0.0]
機械学習タスクにおける所望の性能を評価するため,Krylov進化に基づく強力な物理基盤を持つ高精度な定量的手法を提案する。以上の結果から,Krylov法は量子貯水池の性能と強く相関し,最適設計の量子貯水池の探索において強力なツールとなることが示唆された。
論文参考訳（メタデータ） (2023-10-01T21:06:25Z)
Quantifying the Expressive Capacity of Quantum Systems: Fundamental Limits and Eigentasks [0.0]
機械学習のための量子システムの表現能力は、測定中に発生する量子サンプリングノイズによって制限される。有限個の測定値から一般量子系の表現能力を評価するための数学的枠組みを提案する。低ノイズ固有タスクを抽出することで,分類や過度適合性などの機械学習タスクのパフォーマンスが向上することを示す。
論文参考訳（メタデータ） (2022-12-30T20:15:31Z)
Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文参考訳（メタデータ） (2022-04-26T09:52:02Z)
Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文参考訳（メタデータ） (2022-03-30T02:02:16Z)
Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文参考訳（メタデータ） (2021-02-08T14:55:44Z)

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。