論文の概要: Quantum Observers: A NISQ Hardware Demonstration of Chaotic State Prediction Using Quantum Echo-state Networks
- arxiv url: http://arxiv.org/abs/2505.06799v1
- Date: Sun, 11 May 2025 00:40:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-13 20:21:49.043381
- Title: Quantum Observers: A NISQ Hardware Demonstration of Chaotic State Prediction Using Quantum Echo-state Networks
- Title（参考訳）: 量子オブザーバ:量子エコー状態ネットワークを用いたカオス状態予測のNISQハードウェアデモ
- Authors: Erik L. Connerty, Ethan N. Evans, Gerasimos Angelatos, Vignesh Narayanan,
- Abstract要約: 我々は,現在のIBMハードウェア上でノイズの存在下で動作可能な新しい量子エコー状態ネットワーク(QESN)を提案する。
以上の結果から,QESNは,IBM Marrakesh QPUのT1とT2の100倍以上の時間長を持続メモリで予測できることがわかった。
- 参考スコア（独自算出の注目度）: 1.349950008899546
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in artificial intelligence have highlighted the remarkable capabilities of neural network (NN)-powered systems on classical computers. However, these systems face significant computational challenges that limit scalability and efficiency. Quantum computers hold the potential to overcome these limitations and increase processing power beyond classical systems. Despite this, integrating quantum computing with NNs remains largely unrealized due to challenges posed by noise, decoherence, and high error rates in current quantum hardware. Here, we propose a novel quantum echo-state network (QESN) design and implementation algorithm that can operate within the presence of noise on current IBM hardware. We apply classical control-theoretic response analysis to characterize the QESN, emphasizing its rich nonlinear dynamics and memory, as well as its ability to be fine-tuned with sparsity and re-uploading blocks. We validate our approach through a comprehensive demonstration of QESNs functioning as quantum observers, applied in both high-fidelity simulations and hardware experiments utilizing data from a prototypical chaotic Lorenz system. Our results show that the QESN can predict long time-series with persistent memory, running over 100 times longer than the median T}1 and T2 of the IBM Marrakesh QPU, achieving state-of-the-art time-series performance on superconducting hardware.
- Abstract（参考訳）: 人工知能の最近の進歩は、古典的コンピュータ上でのニューラルネットワーク(NN)駆動システムの顕著な能力を強調している。
しかし、これらのシステムはスケーラビリティと効率を抑える重要な計算課題に直面している。
量子コンピュータは、これらの制限を克服し、古典的なシステムを超えて処理能力を高める可能性を秘めている。
それにもかかわらず、NNと量子コンピューティングを統合することは、現在の量子ハードウェアにおけるノイズ、デコヒーレンス、高いエラー率によって生じる課題のために、ほとんど実現されていない。
本稿では,現在のIBMハードウェアにおけるノイズの存在下で動作可能な新しい量子エコー状態ネットワーク(QESN)の設計と実装アルゴリズムを提案する。
古典的な制御理論的応答解析をQESNの特徴付けに適用し、そのリッチな非線形力学とメモリを強調し、疎度と再負荷ブロックで微調整できる能力を強調した。
我々は,量子オブザーバとして機能するQESNの包括的実証を通じて,我々のアプローチを検証する。
以上の結果から,QESNは,IBM Marrakesh QPUの中央値であるT}1とT2よりも100倍以上長く動作し,超伝導ハードウェア上での最先端の時系列性能を実現することができることがわかった。
関連論文リスト
- Training Hybrid Deep Quantum Neural Network for Reinforcement Learning Efficiently [2.7812018782449073]
量子機械学習(QML)は、最近、新しい学際研究の方向性として登場した。
ノイズの多い中間スケール量子コンピュータと互換性のあるハイブリッドQMLモデルに関する最近の研究は、性能の向上を示唆している。
課題を克服し、PQCブロックによる効率的なバッチ最適化を示すスケーラブルなQMLアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-03-12T07:12:02Z) - Predicting Chaotic Systems with Quantum Echo-state Networks [1.349950008899546]
古典的エコー状態ネットワーク(ESN)の実装と改善を目的とした量子回路(QC)について検討する。
QESNは、量子コンピュータのユニークな能力を活用することで、違法に大規模な貯水池の必要性を減らすことを目指している。
カオスロレンツシステムにおいて,ノイズモデルとノイズレスモデルの両方を用いてシミュレーションQC実験を行い,回路性能を実証した。
論文 参考訳（メタデータ） (2024-12-10T20:39:16Z) - CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。
LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
論文 参考訳（メタデータ） (2024-08-28T00:56:03Z) - A Quantum Leaky Integrate-and-Fire Spiking Neuron and Network [0.0]
量子ニューロモルフィックコンピューティングのための新しいソフトウェアモデルを導入する。
量子スパイクニューラルネットワーク(QSNN)と量子スパイク畳み込みニューラルネットワーク(QSCNN)の構築において,これらのニューロンを構築ブロックとして利用する。
論文 参考訳（メタデータ） (2024-07-23T11:38:06Z) - 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) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Simulating open quantum many-body systems using optimised circuits in
digital quantum simulation [0.0]
修正シュル・オーディンガー方程式(MSSE)のトロタライゼーションを伴う開量子系のモデルについて検討する。
MSSEにおけるリードエラーの最小化は、量子回路の最適化を可能にする。
我々はこのアルゴリズムをIBM Quantumデバイス上で実行し、現在のマシンはノイズのために定量的に正確な時間力学を与えるのが困難であることを示した。
論文 参考訳（メタデータ） (2022-03-27T13:00:02Z) - 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。