論文の概要: Vortex Detection from Quantum Data

• arxiv url: http://arxiv.org/abs/2506.23976v1
• Date: Mon, 30 Jun 2025 15:41:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.133956
• Title: Vortex Detection from Quantum Data
• Title（参考訳）: 量子データからの渦検出
• Authors: Chelsea A. Williams, Annie E. Paine, Antonio A. Gentile, Daniel Berger, Oleksandr Kyriienko,
• Abstract要約: 微分方程式に対する量子解は、システムの振る舞いに関する関連する情報を含む量子データを表す。 本稿では,このようなデータから情報を読み取るためのツールボックスを提案する。
• 参考スコア（独自算出の注目度）: 14.379311972506791
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum solutions to differential equations represent quantum data -- states that contain relevant information about the system's behavior, yet are difficult to analyze. We propose a toolbox for reading out information from such data, where customized quantum circuits enable efficient extraction of flow properties. We concentrate on the process referred to as quantum vortex detection (QVD), where specialized operators are developed for pooling relevant features related to vorticity. Specifically, we propose approaches based on sliding windows and quantum Fourier analysis that provide a separation between patches of the flow field with vortex-type profiles. First, we show how contour-shaped windows can be applied, trained, and analyzed sequentially, providing a clear signal to flag the location of vortices in the flow. Second, we develop a parallel window extraction technique, such that signals from different contour positions are coherently processed to avoid looping over the entire solution mesh. We show that Fourier features can be extracted from the flow field, leading to classification of datasets with vortex-free solutions against those exhibiting Lamb-Oseen vortices. Our work exemplifies a successful case of efficiently extracting value from quantum data and points to the need for developing appropriate quantum data analysis tools that can be trained on them.
• Abstract（参考訳）: 微分方程式の量子解は量子データを表し、システムの振る舞いに関する関連する情報を含むが、解析は困難である。 本稿では,このようなデータから情報を読み取るためのツールボックスを提案する。 本稿では, 量子渦検出 (quantum vortex Detection, QVD) と呼ばれる, 渦性に関連する特徴をプールするために, 特殊演算子を開発するプロセスに集中する。 具体的には,スライディングウィンドウと量子フーリエ解析に基づいて,渦型プロファイルを持つ流れ場のパッチを分離する手法を提案する。 まず、輪郭形状の窓をどのように適用し、訓練し、連続的に解析し、流れ中の渦の位置を知らせる明確な信号を与えるかを示す。 第2に,異なる輪郭位置からの信号がコヒーレントに処理され,解メッシュ全体のループを回避する並列ウィンドウ抽出手法を開発した。 本研究では,流れ場からフーリエの特徴を抽出し,ラム-オズウィン渦を示すものに対して渦のない解を持つデータセットを分類することを示した。 我々の研究は、量子データから効率的に値を抽出する成功事例を示し、それらに基づいてトレーニングできる適切な量子データ分析ツールを開発する必要性を指摘する。

関連論文リスト

• Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning [14.379311972506791]
  正確な量子状態の読み出しは、トモグラフィーの複雑さによってボトルネックとなる。 量子微分方程式の出力を量子データとして扱い、低次元の出力を抽出できることを実証する。 この量子科学機械学習手法を用いて衝撃波の検出と乱流モデリングの解を分類する。
  論文  参考訳（メタデータ） (2024-11-21T16:09:08Z)
• Parameter estimation for quantum jump unraveling [0.0]
  本研究では,ジャンプ中の連続監視量子系の測定記録に符号化されたパラメータの推定について検討する。 ここでは、複雑な時間的相関と記憶の影響により、フィッシャー情報による推定手順の精度を評価することは一般的に困難である。
  論文  参考訳（メタデータ） (2024-02-09T17:14:38Z)
• Quantum Kernel t-Distributed Stochastic Neighbor Embedding [0.9002260638342727]
  量子カーネルを用いた量子データ可視化手法を提案し,量子状態の高速かつ高精度な可視化を実現する。 数値実験では,手書き桁のデータセットを可視化し,低次元データに$k$-nearest 隣りのアルゴリズムを適用する。
  論文  参考訳（メタデータ） (2023-12-01T05:00:02Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Score-based Diffusion Models in Function Space [137.70916238028306]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 この研究は、関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)と呼ばれる数学的に厳密なフレームワークを導入する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Training quantum neural networks using the Quantum Information Bottleneck method [0.6768558752130311]
  ネットワークを介して伝達される特性に関する関連情報を最大化するために、量子ニューラルネットワークを訓練する具体的な方法を提案する。 これは、入力と出力が完全に量子である問題に対してオートエンコーダを訓練する際に最適化するために、運用的に確立された量を与えるためである。
  論文  参考訳（メタデータ） (2022-12-05T21:11:32Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• ORQVIZ: Visualizing High-Dimensional Landscapes in Variational Quantum Algorithms [51.02972483763309]
  変分量子アルゴリズム(VQA)は、量子コンピュータの実用的な応用を見つけるための有望な候補である。 この作業には、オープンソースのPythonパッケージである$textitorqviz$のリリースが伴っている。
  論文  参考訳（メタデータ） (2021-11-08T18:17:59Z)
• Solving nonlinear differential equations with differentiable quantum circuits [21.24186888129542]
  非線形微分方程式系を解く量子アルゴリズムを提案する。 我々は、関数微分を微分可能な量子回路として解析形式で表現するために、自動微分を用いる。 本稿では,高次元特徴空間における微分方程式を解くためのスペクトル法の実装方法について述べる。
  論文  参考訳（メタデータ） (2020-11-20T13:21:11Z)

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。