論文の概要: Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning

• arxiv url: http://arxiv.org/abs/2411.14259v1
• Date: Thu, 21 Nov 2024 16:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 15:17:46.164320
• Title: Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning
• Title（参考訳）: 量子科学機械学習による量子微分方程式アルゴリズムの読み出し問題への対処
• Authors: Chelsea A. Williams, Stefano Scali, Antonio A. Gentile, Daniel Berger, Oleksandr Kyriienko,
• Abstract要約: 正確な量子状態の読み出しは、トモグラフィーの複雑さによってボトルネックとなる。 量子微分方程式の出力を量子データとして扱い、低次元の出力を抽出できることを実証する。 この量子科学機械学習手法を用いて衝撃波の検出と乱流モデリングの解を分類する。
• 参考スコア（独自算出の注目度）: 14.379311972506791
• License:
• Abstract: Quantum differential equation solvers aim to prepare solutions as $n$-qubit quantum states over a fine grid of $O(2^n)$ points, surpassing the linear scaling of classical solvers. However, unlike classically stored vectors of solutions, the readout of exact quantum states poses a bottleneck due to the complexity of tomography. Here, we show that the readout problem can be addressed with quantum learning tools where we focus on distilling the relevant features. Treating outputs of quantum differential equation solvers as quantum data, we demonstrate that low-dimensional output can be extracted using a measurement operator adapted to detect relevant features. We apply this quantum scientific machine learning approach to classify solutions for shock wave detection and turbulence modeling in scenarios where data samples come directly from quantum differential equation solvers. We show that the basis chosen for performing analysis greatly impacts classification accuracy. Our work opens up the area of research where quantum machine learning for quantum datasets is inherently required.
• Abstract（参考訳）: 量子微分方程式解法は、古典的解法の線形スケーリングを超越した、$O(2^n)$点の細かい格子上の$n$-qubit量子状態として解を準備することを目的としている。 しかし、古典的に保存された解のベクトルとは異なり、正確な量子状態の読み出しはトモグラフィーの複雑さのためにボトルネックとなる。 ここでは、関連する特徴を抽出することに集中する量子学習ツールによって、読み出し問題に対処できることが示される。 量子微分方程式の出力を量子データとして扱い、関連する特徴を検出するために適応した測定演算子を用いて低次元の出力を抽出できることを実証する。 本稿では,この量子科学機械学習手法を用いて,量子微分方程式解法から直接データサンプルがやってくる場合の衝撃波検出と乱流モデリングの解を分類する。 分析を行うために選択された基礎が,分類精度に大きな影響を及ぼすことを示す。 我々の研究は、量子データセットのための量子機械学習が本質的に必要となる研究領域を開放する。

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)
• 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 algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Practical limitations of quantum data propagation on noisy quantum processors [0.9362259192191963]
  このような量子アルゴリズムは、現在の量子プロセッサのノイズの性質のため、信頼性の高い結果を得るためには、エラー確率が非常に低いシングルビットと2キュービットのゲートを必要とする。 具体的には、変動パラメータの伝搬の相対誤差が量子ハードウェアのノイズの確率とどのようにスケールするかについて上限を与える。
  論文  参考訳（メタデータ） (2023-06-22T17:12:52Z)
• Machine learning applications for noisy intermediate-scale quantum computers [0.0]
  NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。 これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。 近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-19T09:26:57Z)
• Model-Independent Error Mitigation in Parametric Quantum Circuits and Depolarizing Projection of Quantum Noise [1.5162649964542718]
  与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。 Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。 現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
  論文  参考訳（メタデータ） (2021-11-30T16:08:01Z)
• Variational Quantum Classifiers Through the Lens of the Hessian [0.0]
  量子コンピューティングでは、変分量子アルゴリズム(VQA)は最適な組み合わせを見つけるのに適している。 勾配勾配勾配最適化アルゴリズムによるVQAの訓練は、よい収束性を示した。 古典的なディープラーニングと同様に、変分量子回路は勾配問題に悩まされる。
  論文  参考訳（メタデータ） (2021-05-21T06:57:34Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• 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 advantage for differential equation analysis [13.39145467249857]
  量子微分方程式解の出力が量子機械学習の入力としてどのように機能するかを示す。 これらの量子アルゴリズムは、既存のモンテカルロ法よりも指数関数的に有利である。
  論文  参考訳（メタデータ） (2020-10-29T17:19:04Z)
• Quantum information spreading in a disordered quantum walk [50.591267188664666]
  量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。 我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。 以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
  論文  参考訳（メタデータ） (2020-10-20T20:03:19Z)

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。