論文の概要: Noise-resistant adaptive Hamiltonian learning

• arxiv url: http://arxiv.org/abs/2501.08017v1
• Date: Tue, 14 Jan 2025 11:12:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:28:54.474871
• Title: Noise-resistant adaptive Hamiltonian learning
• Title（参考訳）: 雑音耐性ハミルトニアン学習
• Authors: Wenxuan Wang,
• Abstract要約: データ解析と量子状態シミュレーションのための適応型ハミルトン学習(AHL)モデルを提案し、低効率性などの問題を克服する。 AHLに基づく雑音耐性量子ニューラルネットワーク(RQNN)を開発した。
• 参考スコア（独自算出の注目度）: 30.632260870411177
• License:
• Abstract: Mitigating and reducing noise influence is crucial for obtaining precise experimental results from noisy intermediate-scale quantum (NISQ) devices. In this work, an adaptive Hamiltonian learning (AHL) model for data analysis and quantum state simulation is proposed to overcome problems such as low efficiency and the noise influence of quantum machine learning algorithms. First, an adaptive parameterized quantum circuit with noise resistant ability is constructed by decomposing the unitary operators that include penalty Hamiltonian in the topological quantum system. Then, a noise-resistant quantum neural network (RQNN) based on AHL is developed, which improves the noise robustness of the quantum neural network by updating iterative parameters. Finally, the experiments on Paddle Quantum demonstrate that RQNN can simulate the mathematical function and get accurate classification results on NISQ devices. Compared with the quantum neural network, RQNN ensures high accuracy with the same non-linear discrete data classification under the impact of amplitude damping noise, with an accuracy of 98.00 $\%$. It provides new possibilities for solving practical issues on NISQ devices and also benefits in the resolution of increasingly complicated problems, which will expand the range of potential applications for quantum machine learning models in the future.
• Abstract（参考訳）: ノイズの影響の緩和と低減は、ノイズの多い中間スケール量子(NISQ)デバイスから正確な実験結果を得るために重要である。 本研究では,データ解析と量子状態シミュレーションのための適応型ハミルトン学習(AHL)モデルを提案する。 まず、トポロジカル量子系におけるペナルティハミルトニアンを含むユニタリ演算子を分解することにより、雑音耐性を有する適応パラメタライズド量子回路を構築する。 次に、AHLに基づく耐雑音性量子ニューラルネットワーク(RQNN)を開発し、反復パラメータを更新することにより、量子ニューラルネットワークの耐雑音性を向上させる。 最後に、Paddle Quantumの実験により、RQNNは数学関数をシミュレートし、NISQデバイス上で正確な分類結果を得ることができることを示した。 量子ニューラルネットワークと比較して、RQNNは振幅減衰ノイズの影響下で同じ非線形離散データ分類で98.00$\%の精度で高い精度を保証する。 NISQデバイスにおける実用的な問題を解決するための新たな可能性と、ますます複雑化する問題の解決のメリットを提供し、将来量子機械学習モデルに対する潜在的な応用範囲を拡大する。

関連論文リスト

• Quantum Neural Networks: A Comparative Analysis and Noise Robustness Evaluation [4.2435928520499635]
  現在のノイズの多い中間規模量子(NISQ)デバイスでは、ハイブリッド量子ニューラルネットワーク(HQNN)が有望なソリューションを提供する。 QCNN(Quantum Convolution Neural Network)、Quannal Neural Network(QuanNN)、Quantum Transfer Learning(QTL)など、様々なHQNNアルゴリズムの比較分析を行う。 我々は,異なる絡み合い構造を持つ量子回路における各アルゴリズムの性能,層数の変化,アーキテクチャにおける最適配置を評価する。
  論文  参考訳（メタデータ） (2025-01-24T11:23:26Z)
• Physics-inspired Machine Learning for Quantum Error Mitigation [15.243176527806126]
  量子エラー除去のための機械学習のための物理に着想を得たニューラルネットワークであるNNAS(Neural Noise Accumulation Surrogate)を紹介する。 NNASは多層回路に量子ノイズ蓄積の構造的特徴を取り入れ、物理的解釈性を持つモデルを提供する。 QEM法が通常苦労する深い回路では、NNASはエラーを半分以上削減する。
  論文  参考訳（メタデータ） (2025-01-08T15:07:48Z)
• 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)
• Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation via Neural Networks [0.4779196219827508]
  変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。 量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。 本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-10T15:35:41Z)
• Assessing the Impact of Noise on Quantum Neural Networks: An Experimental Analysis [0.0]
  量子コンピューティングでは、量子ニューラルネットワーク(QNN)の潜在的な利点がますます明らかになっている。 ノイズの多い中間スケール量子(NISQ)プロセッサはエラーを起こしやすいため、複雑なアルゴリズムや量子機械学習の実行には大きな課題がある。 本稿では,QNNに対するノイズの影響を包括的に分析し,様々なノイズモデルの下でのMottonen状態生成アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2023-11-23T15:22:22Z)
• Variational Denoising for Variational Quantum Eigensolver [0.28675177318965045]
  変分量子固有解法 (VQE) は、実用的な化学問題に量子的優位性を与える可能性を持つハイブリッドアルゴリズムである。 VQEは、特にノイズの多い量子デバイス上で動作する場合、タスク固有の設計とマシン固有のアーキテクチャの課題に直面します。 本稿では,VQEの解法を改善するために,パラメータ化量子ニューラルネットワークを用いた教師なし学習手法である変分分解を提案する。
  論文  参考訳（メタデータ） (2023-04-02T14:56:15Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。