論文の概要: Predictive supremacy of informationally-restricted quantum perceptron

• arxiv url: http://arxiv.org/abs/2603.22427v1
• Date: Mon, 23 Mar 2026 18:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.127442
• Title: Predictive supremacy of informationally-restricted quantum perceptron
• Title（参考訳）: 情報に制限された量子パーセプトロンの予測的優位性
• Authors: Shubhayan Sarkar,
• Abstract要約: 情報制約計測に基づくパーセプトロン(IMP)と呼ばれるパーセプトロンのモデルを導入する。 我々は、量子パーセプトロンの利点を示すことができるパーセプトロンの特定の学習された値を見つける。
• 参考スコア（独自算出の注目度）: 0.1624454100511275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the current world, the use of artificial intelligence is penetrating every aspect of human life. The basic element of any artificial intelligence is a digital neuron, called a perceptron, while its quantum analogue is called a quantum perceptron. Here, we introduce a model of perceptron called the informationally-restricted measurement-based perceptron (IMP), where each input is composed of two bits, while at the node, depending on a free input variable, the perceptron decides which bit to evaluate. Additionally, the states transmitted from the input to the node are restricted to a bit (qubit). We establish that under this restriction, the quantum IMP predicts better than a classical IMP. This means that under dimensional restriction of the transmitted states, when both the classical and quantum perceptrons learn the same, the quantum perceptron predicts better than the classical perceptron. For our purpose, we find specific learned values of the perceptron that can display the advantage of a quantum perceptron over its classical counterpart. Restricting to discrete binary inputs, we establish that the observed quantum advantage is universal, that is, for any non-trivial function implementable by both the quantum and classical IMP, one can always find a quantum implementation that outperforms the predictive capability of every classical one. This points to the fact that, given identical learning and resources, a quantum perceptron would predict better than any classical one.
• Abstract（参考訳）: 現在の世界では、人工知能の使用が人間の生活のあらゆる側面に浸透している。 あらゆる人工知能の基本要素はパーセプトロンと呼ばれるデジタルニューロンであり、その量子アナログは量子パーセプトロンと呼ばれる。 本稿では、各入力が2ビットで構成されている情報制限計測ベースパーセプトロン(IMP)と呼ばれるパーセプトロンのモデルを紹介し、一方、ノードでは、自由入力変数に応じて、パーセプトロンがどのビットを評価するかを決定する。 さらに、入力からノードに送信された状態はビット(キュービット)に制限される。 この制限の下では、量子IMPは古典的なIMPよりも予測が優れている。 これは、伝達状態の次元的制限の下では、古典的パーセプトロンと量子的パーセプトロンの両方が同じことを学習すると、量子パーセプトロンは古典的パーセプトロンよりも良く予測されることを意味する。 我々の目的のために、古典的なパーセプトロンよりも量子パーセプトロンの利点を示すことができるパーセプトロンの特定の学習された値を見つける。 離散二項入力に限定して、観測された量子優位性は普遍的である、すなわち、量子と古典的なIMPの両方で実装可能な任意の非自明な関数に対して、古典的なすべての予測能力を上回る量子実装を常に見つけることができる。 このことは、同じ学習と資源が与えられた場合、量子パーセプトロンはどの古典的なものよりも良く予測できるという事実を指摘する。

関連論文リスト

• Implementing An Artificial Quantum Perceptron [0.0]
  パーセプトロン(Perceptron)は、ニューラルネットワークの基本的な構成要素である。 研究により、単一のニューロンが知的決定を下す効果が示されている。 我々はこれらのパーセプトロンの1つの量子バージョンを開発する。
  論文  参考訳（メタデータ） (2024-12-03T01:57:09Z)
• 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)
• Experimental verification of the quantum nature of a neural network [0.0]
  システムを量子化する理由と、ニューラルネットワークが量子残基を持つと解釈できる範囲について論じる。 古典的ニューラルネットワークの量子関数規則(マップ)から絡み合いを抽出できる可能性のある実験を提案する。
  論文  参考訳（メタデータ） (2022-08-23T06:33:59Z)
• Quantum Perceptron Revisited: Computational-Statistical Tradeoffs [4.791233143264229]
  量子古典パーセプトロンアルゴリズムは,従来のパーセプトロンよりも複雑度が低く,一般化能力も優れている。 提案アルゴリズムは,従来のオンラインパーセプトロンと比較し,提案アルゴリズムによって返される仮説の予測誤差を導出する。
  論文  参考訳（メタデータ） (2021-06-04T14:05:54Z)
• On quantum neural networks [91.3755431537592]
  量子ニューラルネットワークの概念は、その最も一般的な関数の観点から定義されるべきである。 我々の推論は、量子力学におけるファインマン経路積分定式化の利用に基づいている。
  論文  参考訳（メタデータ） (2021-04-12T18:30:30Z)
• 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)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)
• Secure Two-Party Quantum Computation Over Classical Channels [63.97763079214294]
  古典的アリス(Alice)と量子的ボブ(Quantum Bob)が古典的なチャネルを通してのみ通信できるような設定を考える。 悪質な量子逆数の場合,ブラックボックスシミュレーションを用いた2次元量子関数を実現することは,一般に不可能であることを示す。 我々は、QMA関係Rの古典的量子知識(PoQK)プロトコルを入力として、古典的当事者によって検証可能なRのゼロ知識PoQKを出力するコンパイラを提供する。
  論文  参考訳（メタデータ） (2020-10-15T17:55:31Z)
• 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)

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。