نسبت های دامنه و حالت های کوانتومی شبکه عصبی

نسبت های دامنه و حالت های کوانتومی شبکه عصبی

تمبر زمان: 2 مارس 2023، 12:12 بعد از ظهر
نسبت‌های دامنه و هوش داده‌های شبکه‌های عصبی کوانتومی PlatoBlockchain. جستجوی عمودی Ai.

Vojtech Havlicek

IBM Quantum، مرکز تحقیقات IBM TJ Watson

این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.

چکیده

حالت های کوانتومی شبکه عصبی (NQS) توابع موج کوانتومی را توسط شبکه های عصبی مصنوعی نشان می دهد. در اینجا ما دسترسی تابع موج ارائه شده توسط NQS تعریف شده در [Science, 355, 6325, pp. 602-606 (2017)] را مطالعه می کنیم و آن را به نتایج حاصل از آزمایش توزیع مرتبط می کنیم. این منجر به بهبود الگوریتم های آزمایش توزیع برای چنین NQS می شود. همچنین یک تعریف مستقل از یک مدل دسترسی تابع موج ایجاد می کند: دسترسی نسبت دامنه. ما آن را با نمونه‌ها و مدل‌های دسترسی نمونه و پرس و جو، که قبلاً در مطالعه کمی‌سازی الگوریتم‌های کوانتومی در نظر گرفته شده‌اند، مقایسه می‌کنیم. اول، نشان می‌دهیم که دسترسی نسبت دامنه به شدت قوی‌تر از دسترسی نمونه است. دوم، ما استدلال می کنیم که دسترسی نسبت دامنه به شدت ضعیف تر از دسترسی نمونه و پرس و جو است، اما همچنین نشان می دهد که بسیاری از قابلیت های شبیه سازی خود را حفظ می کند. جالب توجه است، ما فقط چنین جدایی را تحت مفروضات محاسباتی نشان می دهیم. در نهایت، ما از اتصال به الگوریتم‌های آزمایش توزیع برای تولید NQS تنها با سه گره استفاده می‌کنیم که تابع موج معتبری را رمزگذاری نمی‌کند و نمی‌توان از آن نمونه‌برداری کرد.

► داده های BibTeX

◄ مراجع

[1] اسکات آرونسون و الکس آرخیپوف "پیچیدگی محاسباتی اپتیک خطی" (2011).
https://doi.org/​10.1145/​1993636.1993682

[2] ارتباط شخصی کلمنت کانن (2021).

[3] Clément L. Canonne, Dana Ron, and Rocco A. Servedio, "تست توزیع احتمالات با استفاده از نمونه های شرطی" SIAM Journal on Computing 44, 540-616 (2015).
https://doi.org/​10.1137/​130945508

[4] Clement L. Canonne، Xi Chen، Gautam Kamath، Amit Levi، و Erik Waingarten، "محدودیت های تصادفی توزیع های ابعادی بالا و آزمایش یکنواختی با شرطی سازی زیر مکعبی" مجموعه مقالات سی و دومین سمپوزیوم سالانه ACM-SIAM (321-336hm2021) XNUMX).

[5] جوزپه کارلئو، یوسوکه نومورا، و ماساتوشی ایمادا، «ساخت نمایش‌های دقیق سیستم‌های چند جسمی کوانتومی با شبکه‌های عصبی عمیق» Nature Communications 9، 5322 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07520-3

[6] جوزپه کارلئو و ماتیاس ترویر "حل مسئله کوانتومی چند جسمی با شبکه های عصبی مصنوعی" Science 355، 602-606 (2017).
https://doi.org/​10.1126/​science.aag2302

[7] Sourav Chakraborty، Eldar Fischer، Yonatan Goldhirsh و Arie Matsliah، "درباره قدرت نمونه های شرطی در تست توزیع" مجموعه مقالات چهارمین کنفرانس نوآوری در علوم کامپیوتر نظری 4-561 (580).
https://doi.org/​10.1145/​2422436.2422497

[8] مارتین دایر، آلن فریز و راوی کانان، "یک الگوریتم تصادفی چند جمله ای-زمان برای تقریب حجم اجسام محدب" J. ACM 38، 1-17 (1991).
https://doi.org/​10.1145/​102782.102783

[9] آلن فریز، راوی کانان و سانتوش ومپالا، "الگوریتم های سریع مونت کارلو برای یافتن تقریب های رتبه پایین" J. ACM 51، 1025-1041 (2004).
https://doi.org/​10.1145/​1039488.1039494

[10] Xun Gaoand Lu-Ming Duan "نمایش کارآمد حالات چند جسمی کوانتومی با شبکه های عصبی عمیق" Nature Communications 8, 662 (2017).
https:/​/​doi.org/​10.1038/​s41467-017-00705-2

[11] Vojtech Havlicekand Sergii Strelchuk "مدارهای نمونه برداری کوانتومی شور را می توان به شدت شبیه سازی کرد" Phys. کشیش لِت 121, 060505 (2018).
https://doi.org/​10.1103/​PhysRevLett.121.060505

[12] جفری ای. هینتون "آموزش محصولات کارشناسان با به حداقل رساندن واگرایی متضاد" محاسبات عصبی 14، 1771-1800 (2002).
https://doi.org/​10.1162/​089976602760128018

[13] مارک هوبر «الگوریتم‌های تقریبی برای ثابت عادی‌سازی توزیع‌های گیبس» The Annals of Applied Probability 25 (2015).
https://doi.org/​10.1214/​14-aap1015

[14] Mark Jerrum "تولید تصادفی ساختارهای ترکیبی از یک توزیع یکنواخت (چکیده گسترده)" مجموعه مقالات دوازدهمین همایش خودکار، زبان ها و برنامه نویسی 12-290 (299).

[15] Mark R. Jerrum، Leslie G. Valiant و Vijay V. Vazirani، "تولید تصادفی ساختارهای ترکیبی از یک توزیع یکنواخت" علوم کامپیوتر نظری 43، 169-188 (1986).
https:/​/​doi.org/​10.1016/​0304-3975(86)90174-X
https://www.sciencedirect.com/​science/​article/​pii/​030439758690174X

[16] Bjarni Jónsson، Bela Bauer و Giuseppe Carleo، "وضعیت های شبکه عصبی برای شبیه سازی کلاسیک محاسبات کوانتومی" arXiv e-prints arXiv:1808.05232 (2018).
https://doi.org/​10.48550/ARXIV.1808.05232
arXiv: 1808.05232

[17] ریچارد ام کارپ، مایکل لوبی، و نیل مدرس، "الگوریتم های تقریب مونت کارلو برای مسائل شمارش" مجله الگوریتم ها 10، 429-448 (1989).
https:/​/​doi.org/​10.1016/​0196-6774(89)90038-2
https://www.sciencedirect.com/​science/​article/​pii/​0196677489900382

[18] Matthieu Lerasle "یادداشت های سخنرانی: موضوعات منتخب در مورد نظریه یادگیری آماری قوی" arXiv e-prints arXiv:1908.10761 (2019).
https://doi.org/​10.48550/ARXIV.1908.10761
arXiv: 1908.10761

[19] Philip M. Longand Rocco A. Servedio "ماشین های محدود بولتزمن ارزیابی یا شبیه سازی تقریباً سخت هستند" مجموعه مقالات بیست و هفتمین کنفرانس بین المللی کنفرانس بین المللی در مورد یادگیری ماشینی 27-703 (710).

[20] جیمز مارتنز، آرکادف چاتوپادیا، تونی پیتاسی، و ریچارد زمل، "در مورد کارایی بازنمایی ماشین های محدود بولتزمن" Curran Associates, Inc. (2013).
http://papers.nips.cc/​paper/​5020-on-the-representational-efficiency-of-restricted-boltzmann-machines.pdf

[21] Matija Medvidović و Giuseppe Carleo "شبیه سازی تغییرات کلاسیک الگوریتم بهینه سازی تقریبی کوانتومی" npj اطلاعات کوانتومی 7، 101 (2021).
https://doi.org/​10.1038/​s41534-021-00440-z
arXiv: 2009.01760

[22] ایمداد اس بی سرداروالا، سرگی استرلچوک، و ریچارد جوزسا، اطلاعات کوانتومی «پیچیدگی پرس و جوی شرطی کوانتومی». محاسبه کنید. 17، 541-567 (2017).

[23] P. Smolensky "پردازش اطلاعات در سیستم های دینامیکی: مبانی نظریه هارمونی" انتشارات MIT (1986).

[24] دانیل استفانکوویچ، سانتوش ومپالا، و اریک ویگودا، "بازپخت شبیه سازی شده تطبیقی: یک ارتباط تقریباً بهینه بین نمونه گیری و شمارش" J. ACM 56 (2009).
https://doi.org/​10.1145/​1516512.1516520

[25] اوین تانگ "الگوریتم کلاسیک الهام گرفته از کوانتومی برای سیستم های توصیه" مجموعه مقالات پنجاه و یکمین سمپوزیوم سالانه ACM SIGACT در نظریه محاسبات 51-217 (228).
https://doi.org/​10.1145/​3313276.3316310

[26] LG Valiant "پیچیدگی محاسبات دائمی" علم کامپیوتر نظری 8، 189-201 (1979).
https:/​/​doi.org/​10.1016/​0304-3975(79)90044-6
https://www.sciencedirect.com/​science/​article/​pii/​0304397579900446

[27] Maarten Van Den Nest "شبیه سازی کامپیوترهای کوانتومی با روش های احتمالی" اطلاعات کوانتومی. محاسبه کنید. 11, 784-812 (2011).

ذکر شده توسط

[1] آنا داوید، جولیان آرنولد، بورخا رکونا، الکساندر گرش، مارسین پلودزیین، کائلان دوناتلا، کیم آ. نیکولی، پائولو استورناتی، روون کخ، میریام بوتنر، رابرت اوکولا، گورکا مونوز-گیل، رودریگو آ. وارگاس-اچ. آلبا سرورا-لیرتا، خوان کاراسکیلا، ودران دانکو، ماریلو گابریه، پاتریک هومبلی، اورت ون نیوونبورگ، فیلیپو ویسنتینی، لی وانگ، سباستین جی وتزل، جوزپه کارلئو، الیشکا گرپلووا، رومن کرمس، فلوریان مارکوارت، ماکوارت، ماکوارت، ماکورد و الکساندر دوفین، "کاربردهای مدرن یادگیری ماشین در علوم کوانتومی"، arXiv: 2204.04198, (2022).

[2] سرگئی براوی، جوزپه کارلئو، دیوید گوست و یینچن لیو، "یک زنجیره مارکوف که به سرعت در هم می آمیزد از هر سیستم چند جسمی کوانتومی شکافدار" arXiv: 2207.07044, (2022).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-03-02 17:14:26). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

واکشی نشد داده های استناد شده متقاطع در آخرین تلاش 2023-03-02 17:14:24: داده های استناد شده برای 10.22331/q-2023-03-02-938 از Crossref دریافت نشد. اگر DOI اخیراً ثبت شده باشد، طبیعی است.

این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.

تمبر زمان:

بیشتر از مجله کوانتومی