Algoritma Efisien Untuk Hambatan Informasi Kuantum

Diterbitkan Ulang Oleh Plato

Followers: 0

Masahito Hayashi^1,2,3,4 dan Yuxiang Yang⁵

¹Institut Sains dan Teknik Kuantum Shenzhen, Universitas Sains dan Teknologi Selatan, Shenzhen, 518055, Cina
²Akademi Kuantum Internasional (SIQA), Distrik Futian, Shenzhen 518048, Cina
³Laboratorium Kunci Sains dan Teknik Kuantum Provinsi Guangdong, Universitas Sains dan Teknologi Selatan, Shenzhen, 518055, Tiongkok
⁴Sekolah Pascasarjana Matematika, Universitas Nagoya, Nagoya, 464-8602, Jepang
⁵QICI Quantum Information and Computation Initiative, Departemen Ilmu Komputer, Universitas Hong Kong, Pokfulam Road, Hong Kong

Apakah makalah ini menarik atau ingin dibahas? Scite atau tinggalkan komentar di SciRate.

Abstrak

Kemampuan untuk mengekstrak informasi yang relevan sangat penting untuk belajar. Pendekatan cerdik seperti itu adalah kemacetan informasi, masalah pengoptimalan yang solusinya sesuai dengan representasi informasi relevan yang setia dan hemat memori dari sistem besar. Munculnya zaman komputasi kuantum membutuhkan metode efisien yang bekerja pada informasi mengenai sistem kuantum. Di sini kami mengatasinya dengan mengusulkan algoritma baru dan umum untuk generalisasi kuantum dari kemacetan informasi. Algoritme kami unggul dalam kecepatan dan kepastian konvergensi dibandingkan dengan hasil sebelumnya. Ini juga bekerja untuk berbagai masalah yang lebih luas, termasuk perpanjangan kuantum dari kemacetan informasi deterministik, varian penting dari masalah kemacetan informasi asli. Khususnya, kami menemukan bahwa sistem kuantum dapat mencapai kinerja yang benar-benar lebih baik daripada sistem klasik dengan ukuran yang sama terkait hambatan informasi kuantum, memberikan visi baru untuk membenarkan keunggulan pembelajaran mesin kuantum.

Algoritma yang efisien untuk hambatan informasi kuantum PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Gambar unggulan: Masalah bottleneck informasi

Ringkasan populer

Bayangkan sejumlah besar data tentang cuaca dihasilkan. Untuk memprediksi cuaca besok, sejumlah besar data sulit untuk ditangani, dan diperlukan untuk mengekstrak informasi penting T dari data besar asli X. Hambatan informasi mewujudkan tujuan ekstraksi informasi ini dengan meminimalkan kuantitas informasi tertentu.

Munculnya era komputasi kuantum membutuhkan algoritma kemacetan informasi yang bekerja untuk sistem kuantum. Dalam karya ini, kami merancang algoritme yang bekerja secara umum ketika salah satu (atau keduanya) dari T dan Y adalah sistem kuantum. Algoritme kami unggul dalam kecepatan dan kepastian konvergensi dibandingkan dengan hasil sebelumnya. Hebatnya, kami menemukan keuntungan nyata menggunakan sistem kuantum sebagai database T baru, yang menunjukkan bahwa sistem kuantum bisa lebih baik dalam merepresentasikan fitur utama dalam pembelajaran mesin.

► data BibTeX

@artikel{Hayashi2023efisienalgoritma, doi = {10.22331/q-2023-03-02-936}, url = {https://doi.org/10.22331/q-2023-03-02-936}, judul = {Algoritme efisien untuk kemacetan informasi kuantum}, penulis = {Hayashi, Masahito dan Yang, Yuxiang}, jurnal = {{Quantum}}, issn = {2521-327X}, penerbit = {{Verein zur F{“{o}}rderung des Open Akses Publizierens in den Quantenwissenschaften}}, volume = {7}, halaman = {936}, bulan = mar, tahun = {2023} }

► Referensi

[1] S.Arimoto. Algoritme untuk menghitung kapasitas saluran tanpa memori diskrit yang sewenang-wenang. Transaksi IEEE tentang Teori Informasi, 18 (1): 14–20, 1972. 10.1109/TIT.1972.1054753.
https: / / doi.org/ 10.1109 / TIT.1972.1054753

[2] Leonardo Banchi, Jason Pereira, and Stefano Pirandola. Generalisasi dalam pembelajaran mesin kuantum: Sudut pandang informasi kuantum. PRX Quantum, 2: 040321, Nov 2021. 10.1103/PRXQuantum.2.040321.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040321

[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe, and Seth Lloyd. Pembelajaran mesin kuantum. Alam, 549 (7671): 195–202, 2017. 10.1038/nature23474.
https: / / doi.org/ 10.1038 / nature23474

[4] R.Blahut. Perhitungan kapasitas saluran dan fungsi laju-distorsi. Transaksi IEEE tentang Teori Informasi, 18 (4): 460–473, 1972. 10.1109/TIT.1972.1054855.
https: / / doi.org/ 10.1109 / TIT.1972.1054855

[5] Carsten Blank, Daniel K Park, June-Koo Kevin Rhee, dan Francesco Petruccione. Pengklasifikasi kuantum dengan kernel kuantum yang disesuaikan. npj Quantum Information, 6 (1): 1–7, 2020. 10.1038/s41534-020-0272-6.
https://doi.org/10.1038/s41534-020-0272-6

[6] Nilanjana Datta, Christoph Hirche, and Andreas Winter. Konveksitas dan interpretasi operasional dari fungsi bottleneck informasi kuantum. Dalam Simposium Internasional IEEE 2019 tentang Teori Informasi (ISIT), halaman 1157–1161, 2019. 10.1109/ISIT.2019.8849518.
https: / / doi.org/ 10.1109 / ISIT.2019.8849518

[7] András Gilyén, Yuan Su, Guang Hao Low, dan Nathan Wiebe. Transformasi nilai singular kuantum dan seterusnya: peningkatan eksponensial untuk aritmatika matriks kuantum. Dalam Proceedings of the 51st Annual ACM SIGACT Symposium on Theory of Computing, halaman 193-204, 2019. 10.1145/3313276.3316366.
https: / / doi.org/ 10.1145 / 3313276.3316366

[8] Ziv Goldfeld dan Yury Polyanskiy. Masalah kemacetan informasi dan aplikasinya dalam pembelajaran mesin. Jurnal IEEE tentang Area Terpilih dalam Teori Informasi, 1 (1): 19–38, 2020. 10.1109/JSAIT.2020.2991561.
https:///doi.org/10.1109/JSAIT.2020.2991561

[9] Arne L. Grimsmo dan Susanne Still. Penyaringan prediktif kuantum. Fisika. Pdt. A, 94: 012338, Juli 2016. 10.1103/PhysRevA.94.012338.
https: / / doi.org/ 10.1103 / PhysRevA.94.012338

[10] Aram W Harrow, Avinatan Hassidim, and Seth Lloyd. Algoritma kuantum untuk sistem persamaan linier. Surat tinjauan fisik, 103 (15): 150502, 2009. 10.1103/PhysRevLett.103.150502.
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502

[11] Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow, dan Jay M Gambetta. Pembelajaran yang diawasi dengan ruang fitur yang ditingkatkan kuantum. Nature, 567 (7747): 209–212, 2019. 10.1038 / s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2

[12] Masahito Hayashi dan Vincent YF Tan. Tingkat minimum perkiraan statistik yang cukup. Transaksi IEEE tentang Teori Informasi, 64 (2): 875–888, 2018. 10.1109/TIT.2017.2775612.
https: / / doi.org/ 10.1109 / TIT.2017.2775612

[13] Carl W. Helstrom. Deteksi kuantum dan teori estimasi. Jurnal Fisika Statistik, 1 (2): 231-252, 1969. 10.1007 / BF01007479.
https: / / doi.org/ 10.1007 / BF01007479

[14] Christoph Hirche dan Andreas Winter. Batas ukuran alfabet untuk fungsi bottleneck informasi. Dalam Simposium Internasional IEEE 2020 tentang Teori Informasi (ISIT), halaman 2383–2388, 2020. 10.1109/ISIT44484.2020.9174416.
https: / / doi.org/ 10.1109 / ISIT44484.2020.9174416

[15] Alexander S Holevo. Aspek probabilistik dan statistik teori kuantum, volume 1. Springer Science & Business Media, 2011. 10.1007/978-88-7642-378-9.
https://doi.org/10.1007/978-88-7642-378-9

[16] Winston H.Hsu, Lyndon S.Kennedy, dan Shih-Fu Chang. Reranking pencarian video melalui prinsip bottleneck informasi. MM '06, halaman 35–44, New York, NY, USA, 2006. Asosiasi Mesin Komputasi. ISBN 1595934472/10.1145.
https: / / doi.org/ 10.1145 / 1180639.1180654

[17] Seth Lloyd, Maria Schuld, Aroosa Ijaz, Josh Izaac, and Nathan Killoran. Penyematan kuantum untuk pembelajaran mesin. pracetak arXiv arXiv:2001.03622, 2020. 10.48550/arXiv.2001.03622.
https:///doi.org/10.48550/arXiv.2001.03622
arXiv: 2001.03622

[18] Guang Hao Low dan Isaac L Chuang. Simulasi Hamiltonian dengan amplifikasi spektral seragam. pracetak arXiv arXiv:1707.05391, 2017. 10.48550/arXiv.1707.05391.
https:///doi.org/10.48550/arXiv.1707.05391
arXiv: 1707.05391

[19] Guang Hao Low dan Isaac L Chuang. Simulasi Hamiltonian dengan qubitization. Quantum, 3: 163, 2019. 10.22331 / q-2019-07-12-163.
https://doi.org/10.22331/q-2019-07-12-163

[20] Adrián Pérez-Salinas, Alba Cervera-Lierta, Elies Gil-Fuster, dan José I Latorre. Pengunggahan ulang data untuk pengklasifikasi kuantum universal. Quantum, 4: 226, 2020. 10.22331/q-2020-02-06-226.
https://doi.org/10.22331/q-2020-02-06-226

[21] Martin Plesch dan Vladimír Bužek. Kompresi informasi kuantum yang efisien. Tinjauan Fisik A, 81 (3): 032317, 2010. 10.1103/PhysRevA.81.032317.
https: / / doi.org/ 10.1103 / PhysRevA.81.032317

[22] Navneeth Ramakrishnan, Raban Iten, Volkher B. Scholz, dan Mario Berta. Menghitung kapasitas saluran kuantum. Transaksi IEEE tentang Teori Informasi, 67 (2): 946–960, 2021. 10.1109/TIT.2020.3034471.
https: / / doi.org/ 10.1109 / TIT.2020.3034471

[23] Lee A Rozema, Dylan H Mahler, Alex Hayat, Peter S Turner, and Aephraim M Steinberg. Kompresi data kuantum dari ansambel qubit. Surat Tinjauan Fisik, 113 (16): 160504, 2014. 10.1103/PhysRevLett.113.160504.
https: / / doi.org/ 10.1103 / PhysRevLett.113.160504

[24] Sina Salek, Daniela Cadamuro, Philipp Kammerlander, and Karoline Wiesner. Pengkodean distorsi laju kuantum dari informasi yang relevan. Transaksi IEEE tentang Teori Informasi, 65 (4): 2603–2613, 2019. 10.1109/TIT.2018.2878412.
https: / / doi.org/ 10.1109 / TIT.2018.2878412

[25] Maria Schuld. Model pembelajaran mesin kuantum yang diawasi adalah metode kernel. pracetak arXiv arXiv:2101.11020, 2021. 10.48550/arXiv.2101.11020.
https:///doi.org/10.48550/arXiv.2101.11020
arXiv: 2101.11020

[26] Maria Schuld dan Nathan Killoran. Pembelajaran mesin kuantum dalam fitur ruang Hilbert. Surat Tinjauan Fisik, 122 (4): 040504, 2019. 10.1103/PhysRevLett.122.040504.
https: / / doi.org/ 10.1103 / PhysRevLett.122.040504

[27] Maria Schuld, Ilya Sinayskiy, dan Francesco Petruccione. Pengantar pembelajaran mesin kuantum. Fisika Kontemporer, 56 (2): 172–185, 2015. 10.1080 / 00107514.2014.964942.
https: / / doi.org/ 10.1080 / 00107514.2014.964942

[28] Ravid Shwartz-Ziv dan Naftali Tishby. Membuka kotak hitam jaringan saraf dalam melalui informasi. pracetak arXiv arXiv:1703.00810, 2017. 10.48550/arXiv.1703.00810.
https:///doi.org/10.48550/arXiv.1703.00810
arXiv: 1703.00810

[29] Noam Slonim dan Naftali Tishby. Pengelompokan dokumen menggunakan kelompok kata melalui metode information bottleneck. SIGIR '00, halaman 208–215, New York, NY, USA, 2000. Asosiasi Mesin Komputasi. ISBN 1581132263/10.1145.
https: / / doi.org/ 10.1145 / 345508.345578

[30] Maximilian Stark, Aizaz Shah, dan Gerhard Bauch. Konstruksi kode kutub menggunakan metode information bottleneck. Dalam Lokakarya Konferensi Komunikasi dan Jaringan Nirkabel (WCNCW) IEEE 2018, halaman 7–12, 2018. 10.1109/WCNCW.2018.8368978.
https:///doi.org/10.1109/WCNCW.2018.8368978

[31] DJ Strouse dan David J. Schwab. Hambatan Informasi Deterministik. Neural Computation, 29 (6): 1611–1630, 06 2017. ISSN 0899-7667. 10.1162/NECO_a_00961.
https:///doi.org/10.1162/NECO_a_00961

[32] N. Tishby, FC Pereira, and W. Bialek. Metode kemacetan informasi. Dalam The 37th annual Allerton Conference on Communication, Control, and Computing, halaman 368–377. Univ. Illinois Press, 1999. 10.48550/arXiv.physics/0004057.
https:///doi.org/10.48550/arXiv.physics/0004057

[33] Naftali Tishby dan Noga Zaslavsky. Pembelajaran mendalam dan prinsip kemacetan informasi. Dalam lokakarya teori informasi IEEE (ITW) 2015, halaman 1–5. IEEE, 2015/ITW.10.1109.
https: / / doi.org/ 10.1109 / ITW.2015.7133169

[34] Peter Wittek. Pembelajaran mesin kuantum: apa arti komputasi kuantum bagi penambangan data. Academic Press, 2014. 10.1016/C2013-0-19170-2.
https://doi.org/10.1016/C2013-0-19170-2

[35] Yuxiang Yang, Giulio Chiribella, and Daniel Ebler. Kompresi kuantum yang efisien untuk ansambel dari kondisi campuran yang disiapkan secara identik. Surat Tinjauan Fisik, 116 (8): 080501, 2016a. 10.1103/PhysRevLett.116.080501.
https: / / doi.org/ 10.1103 / PhysRevLett.116.080501

[36] Yuxiang Yang, Giulio Chiribella, and Masahito Hayashi. Kompresi optimal untuk status qubit yang disiapkan secara identik. Fisika. Rev Lett., 117: 090502, Agustus 2016b. 10.1103/PhysRevLett.117.090502.
https: / / doi.org/ 10.1103 / PhysRevLett.117.090502

[37] Yuxiang Yang, Ge Bai, Giulio Chiribella, and Masahito Hayashi. Kompresi untuk pengkodean populasi kuantum. Transaksi IEEE tentang Teori Informasi, 64 (7): 4766–4783, 2018a. 10.1109/TIT.2017.2788407.
https: / / doi.org/ 10.1109 / TIT.2017.2788407

[38] Yuxiang Yang, Giulio Chiribella, and Masahito Hayashi. Stopwatch kuantum: cara menyimpan waktu dalam memori kuantum. Prosiding Royal Society A: Ilmu Matematika, Fisika dan Teknik, 474 (2213): 20170773, 2018b. 10.1098/rspa.2017.0773.
https: / / doi.org/ 10.1098 / rspa.2017.0773

Dikutip oleh

[1] Ahmet Burak Catli dan Nathan Wiebe, "Melatih jaringan saraf kuantum menggunakan metode Quantum Information Bottleneck", arXiv: 2212.02600, (2022).

[2] Yuxuan Du, Yibo Yang, Dacheng Tao, dan Min-Hsiu Hsieh, “Demystify Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification”, arXiv: 2301.01597, (2022).

Kutipan di atas berasal dari SAO / NASA ADS (terakhir berhasil diperbarui, 2023-03-02 17:03:40). Daftar ini mungkin tidak lengkap karena tidak semua penerbit menyediakan data kutipan yang cocok dan lengkap.

Tidak dapat mengambil Crossref dikutip oleh data selama upaya terakhir 2023-03-02 17:03:39: Tidak dapat mengambil data yang dikutip oleh untuk 10.22331 / q-2023-03-02-936 dari Crossref. Ini normal jika DOI terdaftar baru-baru ini.

Makalah ini diterbitkan dalam Quantum di bawah Creative Commons Attribution 4.0 Internasional (CC BY 4.0) lisensi. Hak cipta tetap berada pada pemegang hak cipta asli seperti penulis atau lembaganya.

Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
Sumber: https://quantum-journal.org/papers/q-2023-03-02-936/

Stempel Waktu: 2 Maret, 2023

Stempel Waktu: Februari 29, 2024

Algoritma yang efisien untuk kemacetan informasi kuantum

Diterbitkan Ulang Oleh Plato

Abstrak

Ringkasan populer

► data BibTeX

► Referensi

Dikutip oleh

Lebih dari Jurnal Kuantum

Pengoptimalan Pulsa Kontrol Biner untuk Sistem Kuantum

Teori Krylov Real-Time untuk Algoritma Komputasi Kuantum

Manipulasi kuantum dari sistem mekanik dua tingkat

Algoritma kedalaman rendah untuk estimasi amplitudo kuantum

Formula multi-produk yang terkondisi dengan baik untuk simulasi Hamiltonian yang ramah perangkat keras

Generasi keterikatan foton atom yang sangat dapat diambil dengan masa hidup milidetik melalui rongga multipleks spasial

Inilah SU(N): gerbang kuantum multivariat dan gradien

Hukum Area Termal untuk Lattice Boson

Teorema kekekalan energi dan fluktuasi tidak sesuai untuk kerja kuantum

Transisi fase kuantum dinamis dari teori matriks acak

Tentang Kami

Pencarian Vertikal & Ai

Platform

Tetap Berhubung

Akun