生成質問ニューラルネットワークによる量子状態の柔軟な学習【JST・京大機械翻訳】

Zhu Yan; Wu Ya-Dong; Bai Ge; Wang Dong-Sheng; Wang Yuexuan; Chiribella Giulio

プレプリント

J-GLOBAL ID：202202220598847813 整理番号：22P0289416

生成質問ニューラルネットワークによる量子状態の柔軟な学習【JST・京大機械翻訳】

Flexible learning of quantum states with generative query 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 (6件)： , , , , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年07月19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。

深いニューラルネットワークは量子状態の特性評価のための強力なツールである。既存のネットワークは通常,特性化する必要がある特定の量子状態から集められた実験データで訓練される。しかし,ニューラルネットワークオフラインを訓練し,訓練に用いたもの以外の量子状態に関する予測を行うことが可能である。ここでは,古典的にシミュレートしたデータで訓練できるネットワークのモデルを導入し,その後,測定の1つから,構造類似性を共有する量子状態を特徴づけるのに,それを用いて,空間集合の状態と構造類似性を共有した。量子物理学のほとんど誘導なしで,ネットワークは量子状態のそれ自身のデータ駆動表現を構築し,それを用いて,まだ実行されていない量子測定の成果統計量を予測した。ネットワークによって生成された状態表現は,量子状態のクラスタ化と物質の異なる相の同定を含む,結果統計の予測を超えるタスクにも使用できる。このネットワークモデルはオンライン学習シナリオに適用することができる柔軟な手法を提供し,そこでは,予測を実験データが利用可能になると,また学習者が量子ハードウェアの暗号化記述にアクセスするだけのブラインド学習シナリオに対して,予測を発生しなければならない。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る