トランスモンキュービット貯留層のメモリ容量の特性化【JST・京大機械翻訳】

Dasgupta Samudra; Hamilton Kathleen E.; Banerjee Arnab

プレプリント

J-GLOBAL ID：202202200892706755 整理番号：21P0029433

トランスモンキュービット貯留層のメモリ容量の特性化【JST・京大機械翻訳】

Characterizing the memory capacity of transmon qubit reservoirs

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年04月15日プレプリントサーバーでの情報更新日： 2022年09月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

量子貯水池コンピューティング(QRC)は,機械学習のための量子アンサンブルシステムの動力学を利用する。数値実験は,5-7量子ビットから成る量子システムが,100から500ノードの従来の再帰ニューラルネットワークに匹敵する計算能力を有することを示した。従来のニューラルネットワークとは異なり,高性能情報処理のための貯留層設計のガイド原理を理解しない。量子貯留層の記憶容量の理解は未解決の問題である。本研究では,IBMにより提供されたトランスモンデバイスを用いて構築された量子リザーバのメモリ容量を特徴付けるタスクに焦点を当てた。著者らのハイブリッド貯留層は,最近のベンチマークに匹敵する6x10>4}の正規化平均二乗誤差(NMSE)を達成した。n-量子ビット貯留層のメモリ容量特性化は,トポロジーの複雑性による系統的変化を示し,n-1自己ループを有する配置に対してピークを示した。このようなピークは,予測タスクのための最適設計を選択するための基礎を提供する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

その他の計算機 , 人工知能

, ,

前のページに戻る