論文の概要: Quantum neural networks facilitating quantum state classification

• arxiv url: http://arxiv.org/abs/2504.06622v1
• Date: Wed, 09 Apr 2025 06:42:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 13:07:03.341272
• Title: Quantum neural networks facilitating quantum state classification
• Title（参考訳）: 量子状態分類を容易にする量子ニューラルネットワーク
• Authors: Diksha Sharma, Vivek Balasaheb Sabale, Thirumalai M., Atul Kumar,
• Abstract要約: この研究は、マルチキュービット量子状態の分類の基礎を確立する。 多量子ビット純量子状態への一般化の可能性を提供する。
• 参考スコア（独自算出の注目度）: 1.3187011661009458
• License:
• Abstract: The classification of quantum states into distinct classes poses a significant challenge. In this study, we address this problem using quantum neural networks in combination with a problem-inspired circuit and customised as well as predefined ans\"{a}tz. To facilitate the resource-efficient quantum state classification, we construct the dataset of quantum states using the proposed problem-inspired circuit. The problem-inspired circuit incorporates two-qubit parameterised unitary gates of varying entangling power, which is further integrated with the ans\"{a}tz, developing an entire quantum neural network. To demonstrate the capability of the selected ans\"{a}tz, we visualise the mitigated barren plateaus. The designed quantum neural network demonstrates the efficiency in binary and multi-class classification tasks. This work establishes a foundation for the classification of multi-qubit quantum states and offers the potential for generalisation to multi-qubit pure quantum states.
• Abstract（参考訳）: 量子状態の異なるクラスへの分類は重要な課題である。 本研究では、量子ニューラルネットワークと問題にインスパイアされた回路を組み合わせることでこの問題に対処し、事前定義された ans\"{a}tz をカスタマイズする。 資源効率のよい量子状態分類を容易にするために,提案した問題に着想を得た回路を用いて量子状態のデータセットを構築する。 問題にインスパイアされた回路は、異なるエンタングルパワーを持つ2量子パラメタ化ユニタリゲートを組み込んでおり、さらに ans\"{a}tz と統合され、全量子ニューラルネットワークが開発された。 選択した ans\"{a}tz の能力を実証するために、緩和されたバレン高原を可視化する。 設計された量子ニューラルネットワークは、バイナリとマルチクラスの分類タスクの効率を実証する。 この研究は、マルチキュービット量子状態の分類の基礎を確立し、マルチキュービット純粋量子状態への一般化の可能性を提供する。

関連論文リスト

• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• An unsupervised feature learning for quantum-classical convolutional network with applications to fault detection [5.609958919699706]
  本稿では,量子特徴抽出器の階層構造を学習するために,量子古典的畳み込みネットワークのための単純な教師なし手法を提案する。 提案手法の主な貢献は、量子回路アンサッツにおける量子特性の差を最大化するために、$K$-meansクラスタリングを使用することである。
  論文  参考訳（メタデータ） (2021-07-17T03:16:59Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Quantum neural networks with multi-qubit potentials [0.0]
  量子パーセプトロンにおけるマルチキュービットポテンシャルの存在は、より効率的な情報処理タスクを可能にすることを示す。 このネットワークアーキテクチャの単純化は、接続性の問題に対処し、量子ニューラルネットワークをスケールアップする道を開く。
  論文  参考訳（メタデータ） (2021-05-06T15:30:06Z)
• 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)
• 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)
• Realising and compressing quantum circuits with quantum reservoir computing [2.834895018689047]
  量子ノードのランダムネットワークが量子コンピューティングの堅牢なハードウェアとしてどのように使用できるかを示す。 我々のネットワークアーキテクチャは、量子ノードの単一層のみを最適化することで量子演算を誘導する。 数量子状態においては、量子回路内の複数の量子ゲートのシーケンスは単一の演算で圧縮することができる。
  論文  参考訳（メタデータ） (2020-03-21T03:29:16Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。