論文の概要: Variational Quantum Self-Organizing Map
- arxiv url: http://arxiv.org/abs/2504.03584v1
- Date: Fri, 04 Apr 2025 16:48:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-07 14:47:48.758500
- Title: Variational Quantum Self-Organizing Map
- Title（参考訳）: 変分量子自己組織化マップ
- Authors: Amol Deshmukh,
- Abstract要約: 古典的および量子的データの教師なし学習のための新しい量子ニューラルネットワークアーキテクチャを提案する。
我々のアルゴリズムはヒルベルト空間の基底位相を保ちながら、高次元ヒルベルト空間から格子点の低次元格子への写像を学習する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: We propose a novel quantum neural network architecture for unsupervised learning of classical and quantum data based on the kernelized version of Kohonen's self-organizing map. The central idea behind our algorithm is to replace the Euclidean distance metric with the fidelity between quantum states to identify the best matching unit from the low-dimensional grid of output neurons in the self-organizing map. The fidelities between the unknown quantum state and the quantum states containing the variational parameters are estimated by computing the transition probability on a quantum computer. The estimated fidelities are in turn used to adjust the variational parameters of the output neurons. Unlike $\mathcal{O}(N^{2})$ circuit evaluations needed in quantum kernel estimation, our algorithm requires $\mathcal{O}(N)$ circuit evaluations for $N$ data samples. Analogous to the classical version of the self-organizing map, our algorithm learns a mapping from a high-dimensional Hilbert space to a low-dimensional grid of lattice points while preserving the underlying topology of the Hilbert space. We showcase the effectiveness of our algorithm by constructing a two-dimensional visualization that accurately differentiates between the three distinct species of flowers in Fisher's Iris dataset. In addition, we demonstrate the efficacy of our approach on quantum data by creating a two-dimensional map that preserves the topology of the state space in the Schwinger model and distinguishes between the two separate phases of the model at $\theta = \pi$.
- Abstract（参考訳）: 本研究では,古典的および量子的データの教師なし学習のための新しい量子ニューラルネットワークアーキテクチャを提案する。
アルゴリズムの背後にある中心的な考え方は、自己組織写像の出力ニューロンの低次元格子から最適なマッチング単位を特定するために、ユークリッド距離メートル法を量子状態間の忠実度に置き換えることである。
量子コンピュータ上の遷移確率を計算することにより、未知の量子状態と変分パラメータを含む量子状態との間の忠実度を推定する。
推定された忠実度は、出力ニューロンの変動パラメータの調整に使用される。
量子カーネル推定に必要な回路評価は$\mathcal{O}(N^{2})$と異なり、このアルゴリズムは$N$のデータサンプルに対して$\mathcal{O}(N)$の回路評価を必要とする。
自己組織写像の古典バージョンと類似して、我々のアルゴリズムはヒルベルト空間の基底位相を保ちながら、高次元ヒルベルト空間から格子点の低次元格子への写像を学習する。
我々は,フィッシャーのアイリスデータセットの3種の花を正確に区別する2次元可視化を構築することで,アルゴリズムの有効性を示す。
さらに、シュウィンガーモデルにおける状態空間の位相を保存し、モデルの2つの異なる位相を$\theta = \pi$で区別する2次元写像を作成することにより、量子データに対する我々のアプローチの有効性を実証する。
関連論文リスト
- $\mathcal{PT}$-symmetric mapping of three states and its implementation on a cloud quantum processor [0.9599644507730107]
3つの純量子状態のマッピングのための新しい$mathcalPT$-symmetricアプローチを開発する。
我々は,Hermitianの場合,参照ベクトルの平均射影の保存,およびQuantum Fisher Informationと整合性を示す。
我々の研究は、量子通信、コンピューティング、暗号に$mathcalPT$-symmetricを適用するための新しい扉を開く。
論文 参考訳（メタデータ） (2023-12-27T18:51:33Z) - GRAPE optimization for open quantum systems with time-dependent
decoherence rates driven by coherent and incoherent controls [77.34726150561087]
グラディエントアセンセントパルス工学(GRAPE)法は量子制御の最適化に広く用いられている。
我々は、コヒーレント制御と非コヒーレント制御の両方によって駆動されるオープン量子系の目的関数を最適化するために、GRAPE法を採用する。
状態-状態遷移問題に対する数値シミュレーションによりアルゴリズムの効率を実証する。
論文 参考訳（メタデータ） (2023-07-17T13:37:18Z) - Feature Map for Quantum Data in Classification [2.2940141855172036]
量子特徴写像は、量子資源を機械学習アルゴリズムに燃やすことにより、量子状態のヒルベルト空間を持つインスタンスに対応する。
本稿では,教師付き学習アルゴリズムを改善するために,量子状態の確率論的操作として,量子データの特徴マップを提案する。
論文 参考訳（メタデータ） (2023-03-28T01:17:08Z) - Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent
and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。
我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文 参考訳（メタデータ） (2023-02-28T07:36:02Z) - An example of use of Variational Methods in Quantum Machine Learning [0.0]
本稿では,平面上の特定の幾何学的パターンの点を二項分類する量子ニューラルネットワークを提案する。
その意図は、ポイントを正しく認識し分類できる最小限のトレーニング可能なパラメータを持つ量子ディープニューラルネットワークを作ることであった。
論文 参考訳（メタデータ） (2022-08-07T03:52:42Z) - Efficient Bipartite Entanglement Detection Scheme with a Quantum
Adversarial Solver [89.80359585967642]
パラメータ化量子回路で完了した2プレーヤゼロサムゲームとして,両部絡み検出を再構成する。
このプロトコルを線形光ネットワーク上で実験的に実装し、5量子量子純状態と2量子量子混合状態の両部絡み検出に有効であることを示す。
論文 参考訳（メタデータ） (2022-03-15T09:46:45Z) - Parametric t-Stochastic Neighbor Embedding With Quantum Neural Network [0.6946929968559495]
t-SNE(t-Stochastic Neighbor Embedding)は、古典的機械学習における非パラメトリックデータ可視化手法である。
低次元データ上での高次元量子データの特性を反映するために、パラメトリックt-SNEに量子ニューラルネットワークを用いることを提案する。
論文 参考訳（メタデータ） (2022-02-09T02:49:54Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳（メタデータ） (2021-12-22T15:27:30Z) - Tree tensor network classifiers for machine learning: from
quantum-inspired to quantum-assisted [0.0]
本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。
本稿ではゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-06T02:31:48Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - State preparation and measurement in a quantum simulation of the O(3)
sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。
本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。
非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文 参考訳（メタデータ） (2020-06-28T23:44:12Z)
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。
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。