論文の概要: On the learning abilities of photonic continuous-variable Born machines

• arxiv url: http://arxiv.org/abs/2410.11785v1
• Date: Tue, 15 Oct 2024 17:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:01:50.384804
• Title: On the learning abilities of photonic continuous-variable Born machines
• Title（参考訳）: フォトニック連続可変ボルンマシンの学習能力について
• Authors: Zoltán Kolarovszki, Dániel T. R. Nagy, Zoltán Zimborás,
• Abstract要約: 本稿では,連続確率分布の資源としてフォトニック量子状態を利用するフォトニック連続可変ボルンマシン(CVBM)について検討する。 CVBMトレーニングプロセスにおける正確な勾配降下は、しばしば実現不可能であり、少数のサンプルから得られる推定器を用いて勾配を近似する必要がある。 ホモダイン測定に対応する確率分布から比較的少数のサンプルを用いて,CVBMの訓練能力をアルゴリズム勾配を用いて解析した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper investigates photonic continuous-variable Born machines (CVBMs), which utilize photonic quantum states as resources for continuous probability distributions. Implementing exact gradient descent in the CVBM training process is often infeasible, bringing forward the need to approximate the gradients using an estimator obtained from a smaller number of samples, obtaining a quantum stochastic gradient descent (SGD) method. In this work, the ability to train CVBMs is analyzed using stochastic gradients obtained using relatively few samples from the probability distribution corresponding to homodyne measurement. The main obstacle to this analysis is that classically simulating CVBMs and obtaining samples is a demanding task, while a large number of iterations are needed to achieve convergence. The present research is enabled by a novel strategy to simulate homodyne detections of generic multimode photonic states using a classical computer. With this approach, a more comprehensive study of CVBMs is made possible, and the training of multimode CVBMs is demonstrated with parametric quantum circuits considerably larger than in previous articles. More specifically, we use the proposed algorithm to demonstrate learning of multimode quantum distributions using CVBMs. Moreover, successful CVBM trainings were demonstrated with the use of stochastic gradients.
• Abstract（参考訳）: 本稿では,連続確率分布の資源としてフォトニック量子状態を利用するフォトニック連続可変ボルンマシン(CVBM)について検討する。 CVBMトレーニングプロセスにおける正確な勾配勾配を求めることは、しばしば実現不可能であり、より少数のサンプルから得られた推定器を用いて勾配を近似し、量子確率勾配勾配(SGD)法を得る必要がある。 本研究は, ホモダイン測定に対応する確率分布から比較的少数の試料を用いて, 確率勾配を用いてCVBMを訓練する能力について解析した。 この分析の主な障害は、CVBMを古典的にシミュレートし、サンプルを取得することが要求されるタスクであり、収束を達成するために多数のイテレーションが必要であることである。 本研究は,古典的コンピュータを用いた汎用多モードフォトニック状態のホモダイン検出をシミュレートするための新しい手法によって実現された。 このアプローチにより、CVBMのより包括的な研究が可能となり、従来の論文よりもはるかに大きなパラメトリック量子回路を用いて、マルチモードCVBMのトレーニングが実演される。 具体的には,提案アルゴリズムを用いてCVBMを用いたマルチモード量子分布の学習を行う。 さらに,確率勾配を用いてCVBM訓練を成功させた。

関連論文リスト

• Continuous-variable Quantum Boltzmann Machine [0.0]
  本稿では,強力なエネルギーベースニューラルネットワークを用いた連続可変量子ボルツマンマシン(CVQBM)を提案する。 連続可変(CV)フォトニック量子コンピュータで実験的に実現可能である。
  論文  参考訳（メタデータ） (2024-05-10T16:34:42Z)
• Quantum Shadow Gradient Descent for Variational Quantum Algorithms [14.286227676294034]
  量子ニューラルネットワーク(QNN)における変分量子回路のトレーニングのための勾配勾配推定法が提案されている。 勾配推定の課題は、状態崩壊や測定の不整合といった特異な量子的特徴のために困難であることが証明されている。 我々は,1イテレーション毎に1つのサンプルを用いて勾配のすべての成分を推定する量子シャドウ降下という新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-10-10T18:45:43Z)
• Simulating Gaussian boson sampling quantum computers [68.8204255655161]
  実験的なガウスボソンサンプリングネットワークをシミュレートする最近の理論手法について概説する。 主に、量子力学の位相空間表現を使用する手法に焦点を当てる。 GBSの理論、最近の実験、その他の手法についても概説する。
  論文  参考訳（メタデータ） (2023-08-02T02:03:31Z)
• Probabilistic Unrolling: Scalable, Inverse-Free Maximum Likelihood Estimation for Latent Gaussian Models [69.22568644711113]
  我々は,モンテカルロサンプリングと反復線形解法を組み合わせた確率的アンローリングを導入し,行列逆転を回避した。 理論的解析により,解法の繰り返しによる解法の解法と逆転が最大値推定の勾配推定を高速化することを示した。 シミュレーションおよび実データ実験において、確率的アンロールは、モデル性能の損失を最小限に抑えながら、勾配EMよりも桁違いに高速な潜在ガウスモデルを学習することを示した。
  論文  参考訳（メタデータ） (2023-06-05T21:08:34Z)
• Persistently Trained, Diffusion-assisted Energy-based Models [18.135784288023928]
  我々は,拡散データを導入し,持続的トレーニングを通じて拡散補助EBMと呼ばれる共同ESMを学習する。 持続的に訓練されたESMは、長期安定、訓練後の画像生成、配当検出の精度の向上を同時に達成できることを示す。
  論文  参考訳（メタデータ） (2023-04-21T02:29:18Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Reweighted Manifold Learning of Collective Variables from Enhanced Sampling Simulations [2.6009298669020477]
  多様体学習のための異方性拡散写像に基づくフレームワークを提供する。 この枠組みは平衡密度を正確に記述したCVを生じるバイアス効果を逆転させることを示す。 標準および改良されたサンプリングシミュレーションから得られたデータについて,多くの多様体学習手法で利用できることを示す。
  論文  参考訳（メタデータ） (2022-07-29T08:59:56Z)
• Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization [61.26619639722804]
  滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。 提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
  論文  参考訳（メタデータ） (2022-02-26T19:10:48Z)
• Efficient quantum state tomography with convolutional neural networks [0.0]
  我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。 実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
  論文  参考訳（メタデータ） (2021-09-28T14:55:54Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Fast approximations in the homogeneous Ising model for use in scene analysis [61.0951285821105]
  我々は、推論に必要な量を数値計算できる正確な近似を提供する。 近似式はスケーラブルでマルコフランダム場の大きさに満足できないことを示す。 機能的磁気共鳴イメージングアクティベーション検出実験においてベイズ推論を行い, ピスタチオ樹収量の年次増加の空間パターンにおける異方性に対する確率比試験を行った。
  論文  参考訳（メタデータ） (2017-12-06T14:24:34Z)

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。