論文の概要: Entanglement is Half the Story: Post-Selection vs. Partial Traces
- arxiv url: http://arxiv.org/abs/2605.02385v1
- Date: Mon, 04 May 2026 09:26:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.218638
- Title: Entanglement is Half the Story: Post-Selection vs. Partial Traces
- Title（参考訳）: Entanglement is half the Story: Post-Selection vs. partial Traces
- Authors: Gustav J L Jäger, Krzysztof Bieniasz, Martin B Plenio, Hans-Martin Rieser,
- Abstract要約: 量子コンピュータ上での古典的テンソルネットワークの推論手法を用いてハイブリッドアーキテクチャを定義する。
このハイブリッドテンソルネットワークは、古典的および量子テンソルネットワークエッジケースのための実用的な統一フレームワークである。
- 参考スコア（独自算出の注目度）: 0.34998703934432673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While tensor networks have their traditional application in simulating quantum systems, in the recent decade they have gathered interest as machine learning models. We combine the experience from both fields and derive how quantum constraints placed on a tensor network manifest a change in capabilities. To this end, we employ a method of inference of classical tensor networks on a quantum computer to define a hybrid architecture. This hybrid tensor network is a practical unified framework for it's classical and quantum tensor network edge cases. We identify post-selection as the important property on which this interpolation hinges. The amount of post-selection corresponds to the level to which quantum constraints are enforced on the tensor network. On this basis, we propose a new hyperparameter which controls the transition between the hybrid and the quantum tensor network. In the comparison of classical and quantum tensor networks it complements the bond dimension. Quantum machine learning is improved by using the hyperparameter to allocate the practically limited post-selection to the quantum model in a trainable manner.
- Abstract（参考訳）: テンソルネットワークは量子システムのシミュレーションに伝統的な用途を持っているが、近年は機械学習モデルとして関心を集めている。
両方のフィールドからの経験を組み合わせることで、テンソルネットワーク上に置かれる量子制約が能力の変化を如何に示しているかを導出する。
この目的のために,量子コンピュータ上での古典的テンソルネットワークの推論手法を用いてハイブリッドアーキテクチャを定義する。
このハイブリッドテンソルネットワークは、古典的および量子テンソルネットワークエッジケースのための実用的な統一フレームワークである。
我々は、この補間ヒンジが持つ重要な特性として、ポストセレクションを識別する。
ポストセレクションの量は、テンソルネットワーク上で量子制約が強制されるレベルに対応する。
そこで本研究では,ハイブリッドと量子テンソルネットワーク間の遷移を制御する新しいハイパーパラメータを提案する。
古典的および量子テンソルネットワークの比較では、結合次元を補完する。
ハイパーパラメータを用いて、トレーニング可能な方法で量子モデルに実質的に制限されたポストセレクションを割り当てることにより、量子機械学習が改善される。
関連論文リスト
- Generalization Bounds in Hybrid Quantum-Classical Machine Learning Models [0.0]
我々はハイブリッドモデルにおける一般化を解析するための統一的な数学的枠組みを開発する。
量子古典的畳み込みニューラルネットワーク(QCCNN)にこの結果を適用する。
論文 参考訳（メタデータ） (2025-04-11T11:35:03Z) - Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach [0.0]
我々は、MNIST桁の画像を低次元の特徴空間に圧縮する画像分類のためのハイブリッド量子古典モデルを実装した。
オートエンコーダは、各28タイムs28$イメージ(784ピクセル)を64次元潜在ベクトルに圧縮する。
これらの特徴を5量子ビット量子状態にマッピングする。
論文 参考訳（メタデータ） (2024-08-05T22:16:27Z) - 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) - Quantum machine learning for image classification [39.58317527488534]
本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。
我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。
第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
論文 参考訳（メタデータ） (2023-04-18T18:23:20Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳（メタデータ） (2022-12-22T16:06:24Z) - Multiclass classification using quantum convolutional neural networks
with hybrid quantum-classical learning [0.5999777817331318]
本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。
提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。
この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
論文 参考訳（メタデータ） (2022-03-29T09:07:18Z) - Multi-class quantum classifiers with tensor network circuits for quantum
phase recognition [0.0]
ネットワークにインスパイアされた回路は、変分量子固有解回路の自然な選択として提案されている。
本稿では,ツリーテンソルネットワークとマルチスケール再正規化アンサッツ回路に基づくマルチクラスの絡み合いに関する数値実験を行う。
論文 参考訳（メタデータ） (2021-10-15T21:55:13Z) - An end-to-end trainable hybrid classical-quantum classifier [0.0]
量子インスパイアされたテンソルネットワークと変分量子回路を組み合わせて教師付き学習タスクを行うハイブリッドモデルを提案する。
このアーキテクチャにより、モデルの古典的および量子的部分を同時にトレーニングすることができ、エンドツーエンドのトレーニングフレームワークを提供する。
論文 参考訳（メタデータ） (2021-02-04T05:19:54Z) - 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) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。