進化戦略:ハイブリッド量子-古典ニューラルネットワークにおける応用【JST・京大機械翻訳】

Friedrich Lucas; Maziero Jonas

プレプリント

J-GLOBAL ID：202202201898857824 整理番号：22P0351146

進化戦略:ハイブリッド量子-古典ニューラルネットワークにおける応用【JST・京大機械翻訳】

Evolution strategies: Application in hybrid quantum-classical neural networks

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 (2件)： ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2023年02月28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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

量子コンピュータの急速な発展により,それらに対していくつかの応用が提案されている。量子シミュレーション,化学反応のシミュレーション,最適化問題の解法および量子ニューラルネットワーク(QNN)は,いくつかの用例であった。しかし,雑音,量子ビットと回路深さの限られた数,および勾配消失のような問題は,それらのフルポテンシャルにそれらを使用する前に解決しなければならない。量子機械学習の分野で,いくつかのモデルを提案した。一般的に,これらの異なるモデルを訓練するために,モデルパラメータに関してコスト関数の勾配を用いた。この勾配を得るために,モデルパラメータに関してこの関数の導関数を計算する必要がある。このタスクを実行するための文献において最も使用される方法の一つは,パラメータシフトルール法である。この方法はQNNの各パラメータに対して2倍のコスト関数の評価から成る。この方法による問題は,評価の数がパラメータ数と共に線形的に増大することである。本研究では,探索勾配を用いてパラメータを反復的に更新するブラックボックス最適化アルゴリズムのファミリーである進化戦略(ES)と呼ばれる代替法を提案した。ES法の利点は,それを用いてコスト関数を評価する回数を制御できることである。ES法を二値分類タスクに適用し,この方法がQNNを訓練するための実行可能な代替法であることを示した。しかし,その性能は用いたハイパーパラメータに強く依存することを観測した。さらに,パラメータシフトルール法のようなこの方法が勾配消失の問題に悩まされることも観察した。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ

, , ,

前のページに戻る