制御量子動力学で実装されたエンドツーエンド量子機械学習【JST・京大機械翻訳】

Wu Re-Bing; Cao Xi; Xie Pinchen; Liu Yu-xi

プレプリント

J-GLOBAL ID：202202207896940439 整理番号：21P0027875

制御量子動力学で実装されたエンドツーエンド量子機械学習【JST・京大機械翻訳】

End-to-End Quantum Machine Learning Implemented with Controlled Quantum Dynamics

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 (4件)： , , ,
資料名：
発行年： 2020年03月30日プレプリントサーバーでの情報更新日： 2020年11月25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。

不完全近項中間スケール量子(NISQ)プロセッサに展開された量子機械学習に向けては,決定すべきいくつかのアドホックパラメータのみを有するできるだけ少ない手設計モジュールを含むべきである。本研究では,不完全近項中間スケール量子(NISQ)プロセッサで実装できるハードウェアに優しいエンドツーエンド量子機械学習方式を提示した。提案は機械学習タスクを制御量子動力学の最適化に変換し,その中で学習モデルを実験的に調整可能な制御変数によってパラメータ化した。また,この設計は,エージェント制御変数を通して量子状態への生入力を符号化することにより,自動特徴選択を可能にする。ゲートベースのパラメータ化量子回路と比較して,提案したエンドツーエンド量子学習モデルは,決定すべきわずかなアドホックパラメータだけが存在するので,実装が容易である。ベンチマークMNISTデータセットに関する数値シミュレーションは,このモデルがデータセットをダウンサイジングすることなく3-5キュービットだけを用いて高性能を達成できることを示し,NISQプロセッサの学習モデルに関する大規模実世界学習タスクを達成する大きな可能性を示した。このスキームは,中間スケール量子プロセッサを用いた大規模実世界学習タスクを効率的に実行するために有望である。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る