論文の概要: Running Quantum Computers in Discovery Mode

• arxiv url: http://arxiv.org/abs/2507.01013v1
• Date: Tue, 01 Jul 2025 17:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.782145
• Title: Running Quantum Computers in Discovery Mode
• Title（参考訳）: 量子コンピュータのディスカバリモードでの動作
• Authors: Benedikt Placke, G. J. Sreejith, Alessio Lerose, S. L. Sondhi,
• Abstract要約: 本稿では、量子コンピュータと機械学習を併用して、興味深い量子多体ダイナミクスのインスタンスを発見することを提案する。 本研究は,多体量子力学において,量子計算資源にアクセス可能な学習エージェントが新たな現象を発見できることを示唆する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose using quantum computers in conjunction with classical machine learning to discover instances of interesting quantum many-body dynamics. Concretely, an ``interest function'' is defined for a given circuit (family) instance that can be evaluated on a quantum computer. The circuit is then adapted by a classical learning agent to maximize interest. We illustrate this approach using two examples and show numerically that, within a sufficiently general circuit family, two simple interest functions based on (i) classifiability of evolved states and (ii) spectral properties of the unitary circuit, are maximized by discrete time crystals (DTCs) and dual-unitary circuits, respectively. For (i), we also simulate the adaptive optimization and show that it indeed finds DTCs with high probability. Our study suggests that learning agents with access to quantum-computing resources can discover new phenomena in many-body quantum dynamics, and establishes the design of good interest functions as a future research paradigm for quantum many-body physics.
• Abstract（参考訳）: 本稿では、量子コンピュータと古典的機械学習を併用して、興味深い量子多体ダイナミクスのインスタンスを発見することを提案する。 具体的には、量子コンピュータ上で評価できる所定の回路(ファミリー)インスタンスに対して '`interest function'' が定義される。 次に、回路を古典的な学習エージェントに適応させ、興味を最大化する。 この手法を2つの例を用いて説明し、十分に一般的な回路系において、2つの簡単な関心関数が成り立つことを数値的に示す。 一 進化した国家及び国家の分類可能性 単位回路のスペクトル特性は、それぞれ離散時間結晶(DTC)と二重単位回路によって最大化される。 対訳 対訳 対訳 対訳 対訳 対訳 対 また,適応最適化をシミュレートし,高い確率でDTCを見出すことを示す。 本研究は,量子計算資源を利用する学習エージェントが多体量子力学の新たな現象を発見することを示唆し,量子多体物理学の将来の研究パラダイムとして好意関数の設計を確立することを目的とする。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• How quantum and evolutionary algorithms can help each other: two examples [0.0]
  量子回路設計におけるバイオインスパイアされた進化的アルゴリズムの可能性について検討する。 我々は、異なる数の量子ゲートに対するセルオートマトンによる量子実装のロバスト性をテストする。 進化的アルゴリズムを用いて、マイヤー・ワラッハの絡み合い尺度で定義された適合関数に対して回路を最適化する。
  論文  参考訳（メタデータ） (2024-08-01T10:36:38Z)
• Exponential quantum advantages in learning quantum observables from classical data [1.9662978733004604]
  我々は、古典的なデータから量子オブザーバブルを学習する物理的に関係のあるタスクに対して、量子上の利点を証明している。 我々の結果は、量子多体物理学の領域における機械学習問題に対する量子コンピュータの実用性に光を当てた。
  論文  参考訳（メタデータ） (2024-05-03T11:58:43Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Machine learning applications for noisy intermediate-scale quantum computers [0.0]
  NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。 これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。 近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-19T09:26:57Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Expressibility and trainability of parameterized analog quantum systems for machine learning applications [0.0]
  システム内の外部駆動と障害の相互作用が、相互作用する量子システムのトレーニング可能性と表現可能性をどのように規定しているかを示す。 我々の研究は、量子多体物理学と機械学習への応用の基本的な関連性を示している。
  論文  参考訳（メタデータ） (2020-05-22T14:59:42Z)

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。