DeepQMLP:分類のためのスケーラブルな量子分類ハイブリッド深層ニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

Alam Mahabubul; Ghosh Swaroop

プレプリント

J-GLOBAL ID：202202215325524520 整理番号：22P0284511

DeepQMLP:分類のためのスケーラブルな量子分類ハイブリッド深層ニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

DeepQMLP: A Scalable Quantum-Classical Hybrid DeepNeural Network Architecture for Classification

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02月02日プレプリントサーバーでの情報更新日： 2022年02月02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)

量子機械学習(QML)は,従来の機械学習(ML)タスク(例えば,分類/回帰)における潜在的高速化と改善のために有望である。理想的なQMLモデルの探索は活発な研究分野である。これは,効率的な古典的-量子データ符号化方式の同定,最適表現性とエンタングルメント能力によるパラメトリック量子回路(PQC)の構築,および測定の必要な数を最小にするための効率的な出力復号化方式を含み,少数を名付ける。しかし,経験的/数値的研究の大部分は,スケーラビリティに対する明確な経路がない。模擬環境で観察された任意の潜在的利益は,雑音のある量子ハードウェア(例えば,デコヒーレンス,ゲートエラー,および漏話)の制限のために,実際の応用において減少する可能性がある。古典的深層ニューラルネットワークアーキテクチャに触発されたスケーラブル量子古典的ハイブリッド深層ニューラルネットワーク(DeepQMLP)アーキテクチャを提示した。深層QMLPでは,積層浅い量子ニューラルネットワーク(QNN)モデルは,古典的フィードフォワード多層パーセプトロンネットワークの隠れ層を模倣する。各QNN層は次の層に対する入力データの新しい潜在的に豊富な表現を生成する。この新しい表現は回路のパラメータによって調整することができる。浅いQNNモデルは,より少ないデコヒーレンス,ゲートエラーなどを経験し,量子雑音に対してそれらをより弾力性にする。DeepQMLPの訓練性を示すために,様々な分類問題に関する数値研究を提示した。また,深QMLPは,非意味データ上で合理的に良好に機能し,深い量子回路を使用するQNNモデルよりも,雑音に対してより大きなレジリエンスを示すことも示した。深いQMLPは,QMLPよりノイズの下で推論中に25.3%低い損失と7.92%高い精度を提供した。【JST・京大機械翻訳】

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

人工知能 , 符号理論 , ニューロコンピュータ , パターン認識

, , ,

前のページに戻る