論文の概要: Implementing An Artificial Quantum Perceptron
- arxiv url: http://arxiv.org/abs/2412.02083v1
- Date: Tue, 03 Dec 2024 01:57:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:49:38.861377
- Title: Implementing An Artificial Quantum Perceptron
- Title(参考訳): 人工量子パーセプトロンの実装
- Authors: Ashutosh Hathidara, Lalit Pandey,
- Abstract要約: パーセプトロン(Perceptron)は、ニューラルネットワークの基本的な構成要素である。
研究により、単一のニューロンが知的決定を下す効果が示されている。
我々はこれらのパーセプトロンの1つの量子バージョンを開発する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: A Perceptron is a fundamental building block of a neural network. The flexibility and scalability of perceptron make it ubiquitous in building intelligent systems. Studies have shown the efficacy of a single neuron in making intelligent decisions. Here, we examined and compared two perceptrons with distinct mechanisms, and developed a quantum version of one of those perceptrons. As a part of this modeling, we implemented the quantum circuit for an artificial perception, generated a dataset, and simulated the training. Through these experiments, we show that there is an exponential growth advantage and test different qubit versions. Our findings show that this quantum model of an individual perceptron can be used as a pattern classifier. For the second type of model, we provide an understanding to design and simulate a spike-dependent quantum perceptron. Our code is available at \url{https://github.com/ashutosh1919/quantum-perceptron}
- Abstract(参考訳): Perceptronはニューラルネットワークの基本構築ブロックである。
パーセプトロンの柔軟性とスケーラビリティは、インテリジェントシステムの構築においてユビキタスである。
研究により、単一のニューロンが知的決定を下す効果が示されている。
ここでは、2つのパーセプトロンを異なる機構で比較し、それらの1つのパーセプトロンの量子バージョンを開発した。
このモデリングの一環として、人工知覚のための量子回路を実装し、データセットを生成し、トレーニングをシミュレートした。
これらの実験を通して、指数的成長の優位性を示し、異なるキュービットバージョンをテストする。
本研究により, 個々のパーセプトロンの量子モデルをパターン分類器として利用できることが示唆された。
第2のモデルに対して、スパイク依存の量子パーセプトロンを設計し、シミュレートするための理解を提供する。
我々のコードは \url{https://github.com/ashutosh1919/quantum-perceptron} で入手できる。
関連論文リスト
- Non-binary artificial neuron with phase variation implemented on a quantum computer [0.0]
複素数の位相を操作するバイナリモデルを一般化するアルゴリズムを導入する。
量子コンピュータにおける連続的な値を扱うニューロンモデルを提案し,検証し,実装する。
論文 参考訳(メタデータ) (2024-10-30T18:18:53Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳(メタデータ) (2024-09-05T07:18:09Z) - Artificial stochastic neural network on the base of double quantum wells [0.0]
本稿では,量子力学粒子を応用したニューラルネットワークのモデルについて検討する。
粒子の自己ポテンシャルの形式と2つの相互作用ポテンシャル(励起と阻害)が提案される。
論文 参考訳(メタデータ) (2022-08-16T07:54:19Z) - About the description of physical reality of Bell's experiment [91.3755431537592]
ローカルリアリズムの最も単純な形式に対応する隠れ変数モデルが最近導入された。
これは、より理想的なベルの実験のための量子力学の予測を再現する。
新しいタイプの量子コンピュータはまだ存在せず、理論上さえ存在しない。
論文 参考訳(メタデータ) (2021-09-06T15:55:13Z) - Quantum Perceptron Revisited: Computational-Statistical Tradeoffs [4.791233143264229]
量子古典パーセプトロンアルゴリズムは,従来のパーセプトロンよりも複雑度が低く,一般化能力も優れている。
提案アルゴリズムは,従来のオンラインパーセプトロンと比較し,提案アルゴリズムによって返される仮説の予測誤差を導出する。
論文 参考訳(メタデータ) (2021-06-04T14:05:54Z) - Exploring Quantum Perceptron and Quantum Neural Network structures with
a teacher-student scheme [0.0]
量子カーネル法や量子ニューラルネットワーク(QNN)のような量子機械学習モデルを構築し、分類タスクを実行するために、短期量子デバイスを使用することができる。
本研究の目的は、異なるQNNアーキテクチャを体系的に比較し、その相対表現力と教師-学生間のスキームを評価することである。
我々は特に、Tacchino et. al. citeTacchino1の最近の研究に触発された量子パーセプトロンモデルに注目し、もともとP'erez-Salinas et. al. citeによって導入されたデータ再ロードスキームと比較する。
論文 参考訳(メタデータ) (2021-05-04T13:13:52Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Quantum Deformed Neural Networks [83.71196337378022]
我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。
入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
論文 参考訳(メタデータ) (2020-10-21T09:46:12Z) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z) - Quantum neuromorphic computing [2.817412580574242]
量子ニューロモルフィックコンピューティングは、脳にインスパイアされた量子ハードウェアにニューラルネットワークを物理的に実装し、計算を高速化する。
いくつかのアプローチはパラメタライズド量子回路に基づいており、ニューラルネットワークにインスパイアされたアルゴリズムを使ってトレーニングしている。
論文 参考訳(メタデータ) (2020-06-26T17:18:54Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。