Fugu-MT 論文翻訳(概要): Learning Equivariant Maps with Variational Quantum Circuits

論文の概要: Learning Equivariant Maps with Variational Quantum Circuits

arxiv url: http://arxiv.org/abs/2412.11889v1
Date: Mon, 16 Dec 2024 15:37:53 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-17 13:56:15.353698
Title: Learning Equivariant Maps with Variational Quantum Circuits
Title（参考訳）: 変分量子回路を用いた等変写像の学習
Authors: Zachary P. Bradshaw, Ethan N. Evans, Matthew Cook, Margarite L. LaBorde,
Abstract要約: 幾何学的量子機械学習は、データ固有の対称性を使用して、カスタマイズされた機械学習タスクを設計する。この研究は、有限群の2つのユニタリ表現が与えられた同変写像を学ぶという関連する問題を探求する。
参考スコア（独自算出の注目度）: 0.464982780843177
License:
Abstract: Geometric quantum machine learning uses the symmetries inherent in data to design tailored machine learning tasks with reduced search space dimension. The field has been well-studied recently in an effort to avoid barren plateau issues while improving the accuracy of quantum machine learning models. This work explores the related problem of learning an equivariant map given two unitary representations of a finite group, which in turn allows the symmetric encoding of the data to be learned rather than simply required. Moreover, this procedure allows the learning of covariant quantum channels, which are an essential tool in quantum information theory. We demonstrate the feasibility of this task and give examples to illustrate the procedure.
Abstract（参考訳）: 幾何学的量子機械学習は、データ固有の対称性を使用して、探索空間次元を縮小したカスタマイズされた機械学習タスクを設計する。このフィールドは、量子機械学習モデルの精度を改善しながら、不毛の高原の問題を避けるために、最近よく研究されている。この研究は、有限群の2つのユニタリ表現が与えられた同変写像を学習する関連する問題を探究する。さらに、この手順は、量子情報理論において不可欠なツールである共変量子チャネルの学習を可能にする。本課題の実現可能性を示すとともに,手順の具体例を示す。

関連論文リスト

Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning [14.379311972506791]
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。
論文参考訳（メタデータ） (2024-11-21T16:09:08Z)
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)
Quantum Network Tomography via Learning Isometries on Stiefel Manifold [7.796175259362575]
本稿では,Stiefel多様体上のアイソメトリーを学習し,量子ネットワークトモグラフィーの効率的な手法を提案する。その結果,提案手法は精度と効率性が高いことがわかった。
論文参考訳（メタデータ） (2024-04-10T13:05:39Z)
An inductive bias from quantum mechanics: learning order effects with non-commuting measurements [1.759387113329159]
量子可観測物の非可換性は「順序効果」でデータを学ぶのにどのように役立つかを検討する。与えられたタスクに適応可能な逐次学習可能な測定値からなる生成量子モデルを設計する。我々の最初の実験シミュレーションでは、データに存在する順序効果の量が増加するにつれて、量子モデルはより非可換性を学ぶことが示されている。
論文参考訳（メタデータ） (2023-12-06T19:18:33Z)
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)
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)
Unsupervised Interpretable Learning of Phases From Many-Qubit Systems [2.4352963290061993]
短距離多ビット系を理解するために,教師なしの機械学習技術を用いる方法を示す。我々の研究は、教師なしの強い解釈性を目指して、ハイブリッドアルゴリズムを第一原理で適用するための扉を開く。
論文参考訳（メタデータ） (2022-08-18T14:35:28Z)
Exploiting symmetry in variational quantum machine learning [0.5541644538483947]
変分量子機械学習は、短期量子コンピュータの広範囲にわたる応用である。我々は、標準ゲートセットが、目の前の問題の対称性を尊重する同変ゲートセットにどのように変換されるかを示す。提案手法を,非自明な対称性を特徴とする2つの玩具問題に対してベンチマークし,一般化性能の大幅な向上を観察する。
論文参考訳（メタデータ） (2022-05-12T17:01:41Z)
Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文参考訳（メタデータ） (2021-06-24T15:58:57Z)
Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。量子回路合成問題における時間-最適制御の強化について述べる。我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文参考訳（メタデータ） (2020-06-19T19:12:14Z)
Unsupervised machine learning of quantum phase transitions using diffusion maps [77.34726150561087]
本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
論文参考訳（メタデータ） (2020-03-16T18:40:13Z)

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。