Fugu-MT 論文翻訳(概要): Transfer Learning Analysis of Variational Quantum Circuits

論文の概要: Transfer Learning Analysis of Variational Quantum Circuits

arxiv url: http://arxiv.org/abs/2501.01507v2
Date: Sun, 16 Feb 2025 22:33:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-18 14:07:10.256595
Title: Transfer Learning Analysis of Variational Quantum Circuits
Title（参考訳）: 変分量子回路の伝達学習解析
Authors: Huan-Hsin Tseng, Hsin-Yi Lin, Samuel Yen-Chi Chen, Shinjae Yoo,
Abstract要約: 本研究は変分量子回路(VQC)の伝達学習を解析する損失境界の解析において,VQCの適応性と能力を検討するために形式主義を確立した。解析的微調整法は、類似ドメインの適応に最適な遷移を実現するために導かれる。
参考スコア（独自算出の注目度）: 10.617463958884528
License:
Abstract: This work analyzes transfer learning of the Variational Quantum Circuit (VQC). Our framework begins with a pretrained VQC configured in one domain and calculates the transition of 1-parameter unitary subgroups required for a new domain. A formalism is established to investigate the adaptability and capability of a VQC under the analysis of loss bounds. Our theory observes knowledge transfer in VQCs and provides a heuristic interpretation for the mechanism. An analytical fine-tuning method is derived to attain the optimal transition for adaptations of similar domains.
Abstract（参考訳）: 本研究は変分量子回路(VQC)の伝達学習を分析する。我々のフレームワークは、1つのドメインで事前訓練されたVQCから始まり、新しいドメインに必要な1パラメータのユニタリサブグループの遷移を計算する。損失境界の解析において,VQCの適応性と能力を検討するために形式主義を確立した。我々の理論は、VQCにおける知識伝達を観察し、そのメカニズムのヒューリスティックな解釈を提供する。解析的微調整法は、類似ドメインの適応に最適な遷移を実現するために導かれる。

関連論文リスト

Non-asymptotic Convergence of Training Transformers for Next-token Prediction [48.9399496805422]
トランスフォーマーは、シーケンシャルなデータを扱う優れた能力のために、現代の機械学習において驚くべき成功を収めています。本稿では, 単層変圧器のトレーニング力学の微細な非漸近解析を行う。トレーニングされたトランスフォーマーは,データセットシフトによる非トーケン予測能力を示すことを示す。
論文参考訳（メタデータ） (2024-09-25T20:22:06Z)
Unified ODE Analysis of Smooth Q-Learning Algorithms [5.152147416671501]
近年,Q-ラーニングのためのコンバージェンス解析をスイッチングシステムフレームワークを用いて導入している。スイッチングシステムアプローチを改善するために,より汎用的で統一的な収束解析を提案する。
論文参考訳（メタデータ） (2024-04-20T01:16:27Z)
Benchmarking Adaptative Variational Quantum Algorithms on QUBO Instances [0.0]
適応型VQAは、トレーニング中にパラメータの追加、削除、最適化によって回路構造を動的に修正する。可変量子固有解器(EVQE)、可変アンサッツ(VAns)、ランダム適応-VQE(RA-VQE)の3つの適応的VQAを分析し、ベースラインとして導入するランダムなアプローチを提案する。我々の分析は、短期量子デバイス用に設計されたAdaptative VQAのベンチマークを設定する。
論文参考訳（メタデータ） (2023-08-03T14:39:02Z)
Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文参考訳（メタデータ） (2023-05-18T03:08:18Z)
Interpretations of Domain Adaptations via Layer Variational Analysis [10.32456826351215]
本研究は,Deep Learningにおける伝達学習理論を定式化するために,形式的導出と解析の両方を確立する。階層変動解析を利用した枠組みは, 転送学習の成功を, 対応するデータ条件で保証できることを証明している。我々の理論計算は知識伝達過程に対する直観的な解釈をもたらす。
論文参考訳（メタデータ） (2023-02-03T15:10:17Z)
A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文参考訳（メタデータ） (2022-12-21T23:15:17Z)
Convexifying Transformers: Improving optimization and understanding of transformer networks [56.69983975369641]
本研究では,注目/変圧器ネットワークのトレーニング問題について検討し,新しい凸解析手法を提案する。まず,自己注意機構の代替として凸を導入し,変圧器ネットワークの正規化学習問題を再構成する。凸解析の副産物として,トークン間の空間性を促進する暗黙の規則化機構を明らかにする。
論文参考訳（メタデータ） (2022-11-20T18:17:47Z)
Theoretical Error Performance Analysis for Variational Quantum Circuit Based Functional Regression [83.79664725059877]
本研究では,次元減少と機能回帰のためのエンドツーエンドの量子ニューラルネットワークであるTTN-VQCを提案する。また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
論文参考訳（メタデータ） (2022-06-08T06:54:07Z)
A Convergence Theory for Over-parameterized Variational Quantum Eigensolvers [21.72347971869391]
変分量子固有解法(VQE)は、近未来のノイズ中間規模量子(NISQ)コンピュータにおける量子応用の有望な候補である。オーバーパラメータ化系におけるVQEの収束の厳密な分析を行った。
論文参考訳（メタデータ） (2022-05-25T04:06:50Z)
Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
論文参考訳（メタデータ） (2020-08-06T17:48:12Z)

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。