소형 양자 컴퓨터를 이용한 고차원 양자 기계 학습

소형 양자 컴퓨터를 이용한 고차원 양자 기계 학습

타임 스탬프 : 9 년 2023 월 10 일 오전 59:XNUMX
소형 양자 컴퓨터 PlatoBlockchain 데이터 인텔리전스를 통한 고차원 양자 기계 학습. 수직 검색. 일체 포함.

사이먼 C. 마샬, 캐스퍼 규릭, 베드란 둔코

라이덴 대학교, 라이덴, 네덜란드

이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.

추상

양자 컴퓨터는 기계 학습을 향상시킬 수 있는 큰 가능성을 가지고 있지만 현재 큐비트 수는 이 약속의 실현을 제한합니다. 이러한 제한을 해결하기 위해 커뮤니티에서는 더 작은 양자 장치에서 큰 양자 회로를 평가하기 위한 일련의 기술을 개발했습니다. 이러한 기술은 더 작은 기계에서 많은 작은 회로를 평가한 다음 다항식으로 결합하여 더 큰 기계의 출력을 복제하는 방식으로 작동합니다. 이 방식은 일반 회로에 실제적인 것보다 더 많은 회로 평가를 요구합니다. 그러나 우리는 특정 애플리케이션의 경우 이러한 하위 회로 중 다수가 불필요하고 훨씬 더 작은 합계만으로도 전체 회로를 추정하기에 충분할 가능성을 조사합니다. 우리는 훨씬 적은 수의 회로 평가로 더 큰 회로의 출력을 근사화할 수 있는 기계 학습 모델을 구축합니다. 우리는 데이터 차원보다 훨씬 작은 시뮬레이션된 양자 컴퓨터를 사용하여 숫자 인식 작업에 모델을 성공적으로 적용했습니다. 이 모델은 또한 10큐비트 컴퓨터에 대한 시뮬레이션된 액세스를 통해 무작위 5큐비트 PQC를 근사하는 작업에도 적용됩니다. 상대적으로 적은 수의 회로만 사용하더라도 우리 모델은 신경망보다 우수한 10큐비트 PQC 출력의 정확한 근사치를 제공합니다. 시도. 개발된 방법은 NISQ 시대 전체에 걸쳐 더 큰 데이터에 대한 양자 모델을 구현하는 데 유용할 수 있습니다.

► BibTeX 데이터

► 참고 문헌

[1] J Avron, Ofer Casper, Ilan Rozen. 분산 양자 컴퓨팅의 양자 이점 및 잡음 감소. 물리적 검토 A, 104(5): 052404, 2021. 10.1103/​PhysRevA.104.052404.
https : / /doi.org/10.1103/ PhysRevA.104.052404

[2] S Balakrishnan 및 R Sankaranarayanan. 오퍼레이터-슈미트 분해 및 10큐비트 게이트의 기하학적 가장자리. 양자 정보 처리, 4(449): 461–2011, 10.1007. 11128/s010-0207-9-XNUMX.
https:/​/​doi.org/​10.1007/​s11128-010-0207-9

[3] 피터 L 바틀렛과 샤하르 멘델슨. Rademacher 및 가우스 복잡성: 위험 범위 및 구조적 결과. 기계 학습 연구 저널, 3(463월): 482–2002, 10.1007. 3/​540-44581-1-15_XNUMX.
https:/​/​doi.org/​10.1007/​3-540-44581-1_15

[4] Saikat Basu, Amit Saha, Amlan Chakrabarti 및 Susmita Sur-Kolay. $ i $-qer: 양자 오류 감소를 위한 지능적인 접근 방식입니다. arXiv 사전 인쇄 arXiv:2110.06347, 2021. 10.1145/​3539613.
https : / /doi.org/ 10.1145 / 3539613
arXiv : 2110.06347

[5] 마빈 벡톨드. 게이트 기반 양자 컴퓨팅에 가상화 개념을 적용합니다. 석사 논문, 슈투트가르트 대학교, 2021.

[6] 세르게이 브라비(Sergey Bravyi), 그레이엄 스미스(Graeme Smith), 존 A 스몰린(John A Smolin). 고전 및 양자 계산 자원을 거래합니다. 물리적 검토 X, 6(2): 021043, 2016. 10.1103/​PhysRevX.6.021043.
https : / /doi.org/10.1103/ PhysRevX.6.021043

[7] Matthias C Caro, Elies Gil-Fuster, Johannes Jakob Meyer, Jens Eisert 및 Ryan Sweke. 매개변수화된 양자 회로에 대한 인코딩 종속 일반화 범위. arXiv 사전 인쇄 arXiv:2106.03880, 2021. 10.22331/q-2021-11-17-582.
https:/​/​doi.org/​10.22331/​q-2021-11-17-582
arXiv : 2106.03880

[8] 개빈 E 크룩스. 매개변수 이동 규칙과 게이트 분해를 사용한 매개변수화된 양자 게이트의 기울기. arXiv 사전 인쇄 arXiv:1905.13311, 2019. 10.48550/​arXiv.1905.13311.
https://​/​doi.org/​10.48550/​arXiv.1905.13311
arXiv : 1905.13311

[9] 리 덩. 기계 학습 연구를 위한 손글씨 숫자 이미지의 mnist 데이터베이스입니다. IEEE 신호 처리 매거진, 29(6): 141–142, 2012. 10.1109/MSP.2012.2211477.
https:// / doi.org/ 10.1109/ MSP.2012.2211477

[10] 에드워드 파리(Edward Farhi)와 하트무트 네븐(Hartmut Neven). 단기 프로세서에서 양자 신경망을 사용한 분류. arXiv 사전 인쇄 arXiv:1802.06002, 2018. 10.48550/​arXiv.1802.06002.
https://​/​doi.org/​10.48550/​arXiv.1802.06002
arXiv : 1802.06002

[11] 후지이 케이스케, 미즈타 카오루, 우에다 히로시, 미타라이 코스케, 미즈카미 와타루, 나카가와 유야. 심층 변이 양자 고유 해결사: 더 작은 크기의 양자 컴퓨터로 더 큰 문제를 해결하기 위한 분할 정복 방법입니다. PRX Quantum, 3 (1): 010346, 2022. 10.1103/​PRXQuantum.3.010346.
https : / / doi.org/ 10.1103 / PRXQuantum.3.010346

[12] 프란시스코 하비에르 길 비달과 더크 올리버 테이스. 매개변수화된 양자 회로를 위한 입력 중복성. 물리학의 개척자, 8: 297, 2020. 10.48550/arXiv.1901.11434.
https://​/​doi.org/​10.48550/​arXiv.1901.11434

[13] 토비아스 하우그(Tobias Haug), 크리스 N 셀프(Chris N Self), MS 김. 무작위 측정을 사용한 대규모 데이터 세트의 양자 기계 학습. 기계 학습: 과학 및 기술, 4 (1): 015005, 2023년 10.1088월. 2632/​2153-0/​acb4bXNUMX.
https:/​/​doi.org/​10.1088/​2632-2153/​acb0b4

[14] Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow 및 Jay M Gambetta가 있습니다. 양자 강화 기능 공간을 통한지도 학습. Nature, 567 (7747) : 209–212, 2019. 10.1038 / s41586-019-0980-2.
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

[15] Hsin-Yuan Huang, Michael Broughton, Masoud Mohseni, Ryan Babbush, Sergio Boixo, Hartmut Neven 및 Jarrod R. McClean. 양자 기계 학습에서 데이터의 힘. 네이처 커뮤니케이션즈(Nature Communications), 12(1), 2021년 2041월. ISSN 1723-10.1038. 41467/s021-22539-9-10.1038. URL http://​/​dx.doi.org/​41467/​s021-22539-9-XNUMX.
https:/​/​doi.org/​10.1038/​s41467-021-22539-9

[16] Sofiene Jerbi, Casper Gyurik, Simon Marshall, Hans J Briegel 및 Vedran Dunjko. 강화 학습을 위한 변형 양자 정책. arXiv 사전 인쇄 arXiv:2103.05577, 2021. 10.48550/​arXiv.2103.05577.
https://​/​doi.org/​10.48550/​arXiv.2103.05577
arXiv : 2103.05577

[17] js21 (https:/​/​mathoverflow.net/​users/​21724/​js21). 평균값 추정치의 곱 – 측정 불평등의 집중. MathOverflow. URL https:/​/​mathoverflow.net/​q/​286787. URL:https:/​/​mathoverflow.net/​q/​286787 (버전: 2017-11-23).
https://mathoverflow.net/q/286787

[18] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow, Jay M Gambetta. 저분자 및 양자 자석을 위한 하드웨어 효율적인 변형 양자 고유 솔버입니다. Nature, 549 (7671): 242–246, 2017. 10.1038/nature23879.
https : / /doi.org/ 10.1038 / nature23879

[19] Weikang Li, Sirui Lu, Dong-Ling Deng. 블라인드 양자 컴퓨팅을 통한 양자 연합 학습. Science China 물리학, 기계 및 천문학, 64 (10): 1–8, 2021. 10.1007/​s11433-021-1753-3.
https:/​/​doi.org/​10.1007/​s11433-021-1753-3

[20] 류진궈와 왕레이. 양자 회로 기반 기계의 미분 학습. 물리적 검토 A, 98(6): 062324, 2018. 10.1103/​PhysRevA.98.062324.
https : / /doi.org/10.1103/ PhysRevA.98.062324

[21] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush 및 Hartmut Neven. 양자 신경망 훈련 환경의 불모의 고원. 네이처 커뮤니케이션즈, 9(1): 1–6, 2018. 10.1038/s41467-018-07090-4.
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[22] 미타라이 코스케와 후지이 케이스케. 단일 큐비트 작업을 샘플링하여 가상 23큐비트 게이트를 구성합니다. 신물리학회지, 2(023021): 2021, 10.1088a. 1367/​2630-7/​abdXNUMXbc.
https://doi.org/ 10.1088/ 1367-2630/ abd7bc

[23] 미타라이 코스케와 후지이 케이스케. 준확률 샘플링을 통해 로컬 채널이 있는 비로컬 채널을 시뮬레이션하기 위한 오버헤드입니다. 양자, 5: 388, 2021b. 10.22331/q-2021-01-28-388.
https:/​/​doi.org/​10.22331/​q-2021-01-28-388

[24] Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar. 머신러닝의 기초. MIT 언론, 2018. 10.1007/​s00362-019-01124-9.
https:/​/​doi.org/​10.1007/​s00362-019-01124-9

[25] Tianyi Peng, Aram W Harrow, Maris Ozols 및 Xiaodi Wu. 소형 양자 컴퓨터에서 대규모 양자 회로를 시뮬레이션합니다. 실제 검토 편지, 125(15): 150504, 2020. 10.1103/​PhysRevLett.125.150504.
https : / /doi.org/10.1103/ PhysRevLett.125.150504

[26] 마이클 A 펄린, 자인 H 살림, 마틴 수카라, 제임스 C 오스본. 최대 가능성 단층 촬영을 이용한 양자 회로 절단. npj Quantum Information, 7 (1): 1–8, 2021. 10.1038/s41534-021-00390-6.
https:/​/​doi.org/​10.1038/​s41534-021-00390-6

[27] Evan Peters, João Caldeira, Alan Ho, Stefan Leichenauer, Masoud Mohseni, Hartmut Neven, Panagiotis Spentzouris, Doug Strain 및 Gabriel N Perdue. 시끄러운 양자 프로세서에서 고차원 데이터의 기계 학습. npj Quantum Information, 7 (1): 1–5, 2021. 10.48550/arXiv.2101.09581.
https://​/​doi.org/​10.48550/​arXiv.2101.09581

[28] 존 프리 스킬. nisq 시대와 그 이후의 양자 컴퓨팅. 퀀텀, 2:79, 2018. 10.22331 / q-2018-08-06-79.
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[29] Stefan H Sack, Raimel A Medina, Alexios A Michailidis, Richard Kueng 및 Maksym Serbyn. 클래식 그림자를 사용하여 불모의 고원을 피합니다. arXiv 사전 인쇄 arXiv:2201.08194, 2022/​PRXQuantum.10.1103.
https : / / doi.org/ 10.1103 / PRXQuantum.3.020365
arXiv : 2201.08194

[30] Zain H Saleem, Teague Tomesh, Michael A Perlin, Pranav Gokhale 및 Martin Suchara. 조합 최적화 및 분산 컴퓨팅을 위한 양자 분할 및 정복. arXiv 프리프린트 arXiv:2107.07532, 2021. 10.48550/ arXiv.2107.07532.
https://​/​doi.org/​10.48550/​arXiv.2107.07532
arXiv : 2107.07532

[31] 마리아 슐드와 네이선 킬로런. 특성 힐베르트 공간의 양자 기계 학습. 물리적 검토서, 122(4): 040504, 2019. 10.1103/​PhysRevLett.122.040504.
https : / /doi.org/10.1103/ PhysRevLett.122.040504

[32] 마리아 슐드, 라이언 스웨크, 요하네스 야콥 마이어. 변형 양자 기계 학습 모델의 표현력에 대한 데이터 인코딩의 효과. 실제 검토 A, 103(3): 032430, 2021. 10.1103/​PhysRevA.103.032430.
https : / /doi.org/10.1103/ PhysRevA.103.032430

[33] 웨이 탕, 티그 토메시, 마틴 수카라, 제프리 라슨, 마가렛 마르토노시. Cutqc: 대규모 양자 회로 평가를 위해 소형 양자 컴퓨터를 사용합니다. 프로그래밍 언어 및 운영 체제에 대한 아키텍처 지원에 관한 제26차 ACM 국제 컨퍼런스 진행 중, 473~486페이지, 2021. 10.1145/​3445814.3446758.
https : / /doi.org/ 10.1145 / 3445814.3446758

[34] 스티븐 J 라이트. 좌표 하강 알고리즘. 수학적 프로그래밍, 151(1): 3–34, 2015. 10.48550/arXiv.1502.04759.
https://​/​doi.org/​10.48550/​arXiv.1502.04759

[35] 르쿤 얀. 잘 들어보면 염소가 “MNIST 결과!”라고 외치는 소리가 들립니다. 하지만 그 친구는 주의 깊게 듣지 않습니다. 트위터, 2022.
https://twitter.com/yleun/status/1481327585640521728

[36] Xiao Yuan, Jinzhao Sun, Junyu Liu, Qi Zhao 및 You Zhou. 하이브리드 텐서 네트워크를 사용한 양자 시뮬레이션. 실제 검토 편지, 127(4): 040501, 2021. 10.1103/​PhysRevLett.127.040501.
https : / /doi.org/10.1103/ PhysRevLett.127.040501

인용

[1] Arsenii Senokosov, Alexander Sedykh, Asel Sagingalieva 및 Alexey Melnikov, "이미지 분류를 위한 양자 기계 학습", arXiv : 2304.09224, (2023).

[2] Christian Ufrecht, Maniraman Periyasamy, Sebastian Rietsch, Daniel D. Scherer, Axel Plinge 및 Christopher Mutschler, "ZX 미적분학으로 다중 제어 양자 게이트 절단", arXiv : 2302.00387, (2023).

[3] Angus Lowe, Matija Medvidović, Anthony Hayes, Lee J. O'Riordan, Thomas R. Bromley, Juan Miguel Arrazola 및 Nathan Killoran, "무작위 측정을 통한 빠른 양자 회로 절단", 퀀텀 7, 934 (2023).

[4] Lirandë Pira와 Chris Ferrie, “분산 양자 신경망으로의 초대”, arXiv : 2211.07056, (2022).

[5] L. Wright, F. Barratt, J. Dborin, V. Wimalaweera, B. Coyle 및 AG Green, "결정적 Tensor 네트워크 분류자", arXiv : 2205.09768, (2022).

[6] Cenk Tüysüz, Giuseppe Clemente, Arianna Crippa, Tobias Hartung, Stefan Kühn 및 Karl Jansen, "매개변수화된 양자 회로의 고전적 분할", arXiv : 2206.09641, (2022).

[7] Patrick Huembeli, Giuseppe Carleo 및 Antonio Mezzacapo, "생성 신경망 모델을 사용한 얽힘 단조", arXiv : 2205.00933, (2022).

[8] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger 및 Benjamin Weder, "NISQ 장치의 MaxCut 문제에 대한 QAOA의 회로 절단 효과 조사", arXiv : 2302.01792, (2023).

[9] Adrián Pérez-Salinas, Radoica Draškić, Jordi Tura 및 Vedran Dunjko, "감소 및 절단: 더 깊은 문제를 위한 얕은 회로", arXiv : 2212.11862, (2022).

[10] Tuhin Khare, Ritajit Majumdar, Rajiv Sangle, Anupama Ray, Padmanabha Venkatagiri Seshadri 및 Yogesh Simmhan, "양자 고전적 워크로드 병렬화: 분할 기술의 영향 프로파일링", arXiv : 2305.06585, (2023).

[11] 나가이 료, 칸노 슈, 사토 유키, 야마모토 나오키, “사전 및 사후 선택을 통한 양자 채널 분해”, arXiv : 2305.11642, (2023).

[12] Charles Moussa, Jan N. van Rijn, Thomas Bäck 및 Vedran Dunjko, "소규모 데이터 세트에서 양자 신경망의 하이퍼파라미터 중요성", arXiv : 2206.09992, (2022).

[13] Michele Cattelan 및 Sheir Yarkoni, "변이 양자 알고리즘의 병렬 회로 구현", arXiv : 2304.03037, (2023).

위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2023-08-10 03:13:01). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.

On Crossref의 인용 서비스 인용 작품에 대한 데이터가 없습니다 (최종 시도 2023-08-10 03:12:54).

이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.

타임 스탬프 :

더보기 양자 저널