論文の概要: Quantum data generation in a denoising model with multiscale entanglement renormalization network

• arxiv url: http://arxiv.org/abs/2505.10796v1
• Date: Fri, 16 May 2025 02:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:13.881107
• Title: Quantum data generation in a denoising model with multiscale entanglement renormalization network
• Title（参考訳）: マルチスケールエンタングルメント再正規化ネットワークを用いたデノナイジングモデルにおける量子データ生成
• Authors: Wei-Wei Zhang, Xiaopeng Huang, Shenglin Shan, Wei Zhao, Beiya Yang, Wei Pan, Haobin Shi,
• Abstract要約: 我々は,様々な種類のNISQ量子プロセッサに適用可能な,高効率なノイズ耐性量子データ生成法を提案する。 具体的には、量子データ生成のためのマルチスケールエンタングルメント再正規化ネットワーク(MERA)に基づく量子復号化確率モデル(QDM)を提案する。
• 参考スコア（独自算出の注目度）: 7.0222037942020314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum technology has entered the era of noisy intermediate-scale quantum (NISQ) information processing. The technological revolution of machine learning represented by generative models heralds a great prospect of artificial intelligence, and the huge amount of data processes poses a big challenge to existing computers. The generation of large quantities of quantum data will be a challenge for quantum artificial intelligence. In this work, we present an efficient noise-resistant quantum data generation method that can be applied to various types of NISQ quantum processors, where the target quantum data belongs to a certain class and our proposal enables the generation of various quantum data belonging to the target class. Specifically, we propose a quantum denoising probability model (QDM) based on a multiscale entanglement renormalization network (MERA) for the generation of quantum data. To show the feasibility and practicality of our scheme, we demonstrate the generations of the classes of GHZ-like states and W-like states with a success rate above 99%. Our MREA QDM can also be used to denoise multiple types of quantum data simultaneously. We show the success rate of denoising both GHZ-like and W-like states with a single qubit noise environment of noise level within 1/4 can approximate to be 100%, and with two other types of noise environment with noise level within 1/4 can be above 90%. Our quantum data generation scheme provides new ideas and prospects for quantum generative models in the NISQ era.
• Abstract（参考訳）: 量子技術は、ノイズの多い中間スケール量子(NISQ)情報処理の時代に入った。 生成モデルで表現される機械学習の技術革新は、人工知能の大きな可能性を示し、膨大な量のデータ処理が、既存のコンピュータにとって大きな課題となっている。 大量の量子データを生成することは、量子人工知能の課題である。 本研究では,NISQ量子プロセッサの様々な種類に適用可能な高効率ノイズ耐性量子データ生成手法を提案する。 具体的には、量子データ生成のためのマルチスケールエンタングルメント再正規化ネットワーク(MERA)に基づく量子復号化確率モデル(QDM)を提案する。 提案手法の有効性と実用性を示すため,GHZ系とW系を世代別に比較し,99%以上の成功率を示した。 MREA QDMは、複数の種類の量子データを同時に認知するためにも使用できます。 ノイズレベルが1/4の単一キュービット雑音環境でGHZライクな状態とWライクな状態の両方を分解する成功率は100%に近似でき、ノイズレベルが1/4の他の2種類のノイズ環境は90%以上であることを示す。 我々の量子データ生成方式は、NISQ時代の量子生成モデルの新しいアイデアと展望を提供する。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Noise-Agnostic Quantum Error Mitigation with Data Augmented Neural Models [9.023862258563893]
  我々は、ノイズを事前に知ることなく、ノイズのないデータをトレーニングすることなく、量子誤差軽減を実現するニューラルネットワークを構築した。 我々のアプローチは、量子回路や、多体・連続変数量子系の力学に適用される。
  論文  参考訳（メタデータ） (2023-11-03T05:52:14Z)
• Quantum generative adversarial learning in photonics [12.012483529392465]
  フォトニクスにおけるQGANモデルについて実験的に検証し,その性能に及ぼすノイズと欠陥の影響について検討した。 以上の結果から, 発電機の位相シフト器の最大半分が損傷を受ける条件下であっても, QGANは90%以上の忠実度で高品質な量子データを生成できることが示唆された。 我々の研究は、NISQ時代の量子ハードウェア上でQGANを実装する可能性に光を当てている。
  論文  参考訳（メタデータ） (2023-10-01T06:08:21Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• 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)
• Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
  本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。 鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。 Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T09:42:37Z)
• 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)
• 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)
• 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。