Ένας νέος αλγόριθμος κβαντικής μηχανικής μάθησης: διαίρεση κρυφού κβαντικού μοντέλου Markov εμπνευσμένο από την κβαντική υπό όρους κύρια εξίσωση

Ένας νέος αλγόριθμος κβαντικής μηχανικής μάθησης: διαίρεση κρυφού κβαντικού μοντέλου Markov εμπνευσμένο από την κβαντική υπό όρους κύρια εξίσωση

Χρονική σήμανση: 24 Ιανουαρίου 2024 7:38 π.μ.
Κόμβος πηγής: 3083772

Xiao-Yu Li1, Qin-Sheng Zhu2, Γιονγκ Χου2, Χάο Γου2,3, Guo-Wu Yang4, Lian-Hui Yu2και ο Γκενγκ Τσεν4

1School of Information and Software Engineering, University of Electronic Science and Technology of China, Cheng Du, 610054, China
2Σχολή Φυσικής, Πανεπιστήμιο Ηλεκτρονικής Επιστήμης και Τεχνολογίας της Κίνας, Cheng Du, 610054, Κίνα
3Institute of Electronics and Information Industry Technology of Kash, Kash, 844000, China
4School of Computer Science and Engineering, University of Electronic Science and Technology of China, Cheng Du, 610054, China

Βρείτε αυτό το άρθρο ενδιαφέρουσα ή θέλετε να συζητήσετε; Scite ή αφήστε ένα σχόλιο για το SciRate.

Περίληψη

Το Hidden Quantum Markov Model (HQMM) έχει σημαντικές δυνατότητες για την ανάλυση δεδομένων χρονοσειρών και τη μελέτη στοχαστικών διεργασιών στον κβαντικό τομέα ως επιλογή αναβάθμισης με πιθανά πλεονεκτήματα σε σχέση με τα κλασικά μοντέλα Markov. Σε αυτό το άρθρο, εισαγάγαμε το split HQMM (SHQMM) για την υλοποίηση της κρυφής κβαντικής διαδικασίας Markov, χρησιμοποιώντας την υπό όρους κύρια εξίσωση με μια συνθήκη λεπτής ισορροπίας για να δείξουμε τις διασυνδέσεις μεταξύ των εσωτερικών καταστάσεων του κβαντικού συστήματος. Τα πειραματικά αποτελέσματα υποδηλώνουν ότι το μοντέλο μας ξεπερνά τα προηγούμενα μοντέλα όσον αφορά το εύρος των εφαρμογών και την ευρωστία. Επιπλέον, καθιερώνουμε έναν νέο αλγόριθμο εκμάθησης για την επίλυση παραμέτρων στο HQMM συνδέοντας την κβαντική υπό όρους κύρια εξίσωση με το HQMM. Τέλος, η μελέτη μας παρέχει σαφή στοιχεία ότι το κβαντικό σύστημα μεταφοράς μπορεί να θεωρηθεί φυσική αναπαράσταση του HQMM. Το SHQMM με τους συνοδευτικούς αλγόριθμους παρουσιάζει μια νέα μέθοδο ανάλυσης κβαντικών συστημάτων και χρονοσειρών που βασίζονται σε φυσική υλοποίηση.

Επιλεγμένη εικόνα: Το διευρυμένο διάγραμμα υπολογισμού του $ρ^n(t)$ για ένα σύνολο ακολουθιών $y_0$, $y_1$ · · · , $y_T$.

Δημοφιλή περίληψη

Σε αυτή την εργασία, ξεκινώντας από το πλαίσιο της φυσικής θεωρίας ανοιχτού συστήματος και χρησιμοποιώντας την κύρια εξίσωση κβαντικών συνθηκών που προέκυψε από την εισαγωγή λεπτομερών συνθηκών ισορροπίας, καθιερώνουμε θεωρητικά τη σύνδεση μεταξύ της κύριας εξίσωσης κβαντικής συνθήκης και του κβαντικού κρυφού μοντέλου Markov. Ταυτόχρονα, προτείνουμε ένα μυθιστόρημα Splitting Quantum Markov Model (SHQMM). Είναι συναρπαστικό, τα πειραματικά αποτελέσματα όχι μόνο επικυρώνουν την υπεροχή των κβαντικών αλγορίθμων έναντι των κλασσικών αλγορίθμων, αλλά αποδεικνύουν επίσης ότι το μοντέλο μας ξεπερνά τα προηγούμενα HQMM, προσφέροντας ευρείες εφαρμογές στη μελέτη των εσωτερικών καταστάσεων των κβαντικών συστημάτων.

► Δεδομένα BibTeX

► Αναφορές

[1] Juan I Cirac και Peter Zoller. «Κβαντικοί υπολογισμοί με παγιδευμένα ψυχρά ιόντα». Physical review letters 74, 4091 (1995).
https: / / doi.org/ 10.1103 / physrevlett.74.4091

[2] Emanuel Knill, Raymond Laflamme και Gerald J Milburn. «Ένα σχήμα για αποτελεσματικούς κβαντικούς υπολογισμούς με γραμμική οπτική». φύση 409, 46–52 (2001).
https: / / doi.org/ 10.1038 / 35051009

[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe και Seth Lloyd. «Κβαντική μηχανική μάθηση». Nature 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[4] M Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio και Patrick J Coles. «Προκλήσεις και ευκαιρίες στην κβαντική μηχανική μάθηση». Nature Computational Science 2, 567–576 (2022).
https:/​/​doi.org/​10.1038/​s43588-022-00311-3

[5] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S Kottmann, Tim Menke, κ.ά. «Θορυβώδεις κβαντικοί (nisq) αλγόριθμοι ενδιάμεσης κλίμακας (2021)» (2021). arXiv:2101.08448v1.
arXiv: 2101.08448v1

[6] Alán Aspuru-Guzik, Roland Lindh και Markus Reiher. «Η προσομοίωση της ύλης (r) εξέλιξη». ACS central Science 4, 144–152 (2018).
https://doi.org/​10.1021/​acscentsci.7b00550

[7] Iulia M Georgescu, Sahel Ashhab και Franco Nori. «Κβαντική προσομοίωση». Reviews of Modern Physics 86, 153 (2014).
https: / / doi.org/ 10.1103 / RevModPhys.86.153

[8] Markus Reiher, Nathan Wiebe, Krysta M Svore, Dave Wecker και Matthias Troyer. «Διευκρίνιση μηχανισμών αντίδρασης σε κβαντικούς υπολογιστές». Proceedings of the National Academy of Sciences 114, 7555–7560 (2017).
https: / / doi.org/ 10.1073 / pnas.1619152114

[9] Yudong Cao, Jhonathan Romero και Alán Aspuru-Guzik. «Δυνατότητα κβαντικού υπολογισμού για ανακάλυψη φαρμάκων». IBM Journal of Research and Development 62, 6–1 (2018).
https: / / doi.org/ 10.1147 / JRD.2018.2888987

[10] Roman Orus, Samuel Mugel και Enrique Lizaso. «Κβαντικός υπολογισμός για τη χρηματοδότηση: Επισκόπηση και προοπτικές». Κριτικές στο Physics 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

[11] Pierre-Luc Dallaire-Demers, Jonathan Romero, Libor Veis, Sukin Sim και Alán Aspuru-Guzik. "Κύκλωμα χαμηλού βάθους ansatz για την προετοιμασία συσχετιζόμενων φερμιονικών καταστάσεων σε κβαντικό υπολογιστή". Quantum Science and Technology 4, 045005 (2019).
https: / / doi.org/ 10.1088 / 2058-9565 / ab3951

[12] Elizabeth Fons, Paula Dawson, Jeffrey Yau, Xiao-jun Zeng και John Keane. "Ένα νέο δυναμικό σύστημα κατανομής περιουσιακών στοιχείων που χρησιμοποιεί μοντέλα Feature Saliency Hidden Markov για έξυπνες επενδύσεις beta". Expert Systems with Applications 163, 113720 (2021).
https: / / doi.org/ 10.1016 / j.eswa.2020.113720

[13] PV Chandrika, K Visalakshmi και K Sakthi Srinivasan. «Εφαρμογή κρυφών μοντέλων Markov στο χρηματιστήριο». Το 2020 6ο Διεθνές Συνέδριο για τα Προηγμένα Συστήματα Υπολογιστών και Επικοινωνιών (ICACCS). Σελίδες 1144–1147. (2020).
https://doi.org/​10.1109/​ICACCS48705.2020.9074387

[14] Dima Suleiman, Arafat Awajan και Wael Al Etaiwi. «Η χρήση του κρυφού μοντέλου Markov στην επεξεργασία φυσικής αραβικής γλώσσας: Μια έρευνα». Procedia computer science 113, 240–247 (2017).
https://doi.org/​10.1016/​j.procs.2017.08.363

[15] Hariz Zakka Muhammad, Muhammad Nasrun, Casi Setianingsih και Muhammad Ary Murti. «Αναγνώριση ομιλίας για μεταφραστή από αγγλικά προς ινδονησιακά χρησιμοποιώντας κρυφό μοντέλο Markov». Το 2018 Διεθνές Συνέδριο για τα Σήματα και τα Συστήματα (ICSigSys). Σελίδες 255–260. IEEE (2018).
https://doi.org/​10.1109/​ICSIGSYS.2018.8372768

[16] Erik LL Sonnhammer, Gunnar Von Heijne, Anders Krogh, et al. "Ένα κρυφό μοντέλο Markov για την πρόβλεψη διαμεμβρανικών ελίκων σε αλληλουχίες πρωτεϊνών". Στο LSMB 1998. Σελίδες 175–182. (1998). url: https://cdn.aaai.org/​ISMB/​1998/​ISMB98-021.pdf.
https://cdn.aaai.org/​ISMB/​1998/​ISMB98-021.pdf

[17] Gary Xie και Jeanne M Fair. «Κρυμμένο μοντέλο Markov: μια συντομότερη μοναδική αντιπροσωπευτική προσέγγιση για την ανίχνευση πρωτεϊνικών τοξινών, παραγόντων λοιμογόνου δράσης και γονιδίων ανθεκτικότητας στα αντιβιοτικά». BMC Research Notes 14, 1–5 (2021).
https://doi.org/​10.21203/​rs.3.rs-185430/​v1

[18] Sean R Eddy. «Τι είναι ένα κρυφό μοντέλο markov;». Nature biotechnology 22, 1315–1316 (2004).
https://doi.org/​10.1038/​nbt1004-1315

[19] Paul M Baggenstoss. «Ένας τροποποιημένος αλγόριθμος baum-welch για κρυφά μοντέλα markov με πολλαπλούς χώρους παρατήρησης». IEEE Transactions on speech and audio processing 9, 411–416 (2001).
https: / / doi.org/ 10.1109 / 89.917686

[20] Aleksandar Kavcic και Jose MF Moura. «Ο αλγόριθμος viterbi και η μνήμη θορύβου markov». IEEE Transactions on Information theory 46, 291–301 (2000).
https: / / doi.org/ 10.1109 / 18.817531

[21] Τοντ Κ Μουν. «Ο αλγόριθμος προσδοκίας-μεγιστοποίησης». Περιοδικό IEEE Signal processing 13, 47–60 (1996).
https: / / doi.org/ 10.1109 / 79.543975

[22] Alex Monras, Almut Beige και Karoline Wiesner. «Κρυμμένα κβαντικά μοντέλα Markov και μη προσαρμοστική ανάγνωση καταστάσεων πολλών σωμάτων» (2010). arXiv:1002.2337.
arXiv: 1002.2337

[23] Siddarth Srinivasan, Geoff Gordon και Byron Boots. «Εκμάθηση κρυμμένων κβαντικών μοντέλων μάρκοφ». Στο Amos Storkey and Fernando Perez-Cruz, συντάκτες, Πρακτικά του Εικοστού Πρώτου Διεθνούς Συνεδρίου για την Τεχνητή Νοημοσύνη και τη Στατιστική. Τόμος 84 του Proceedings of Machine Learning Research, σελίδες 1979–1987. PMLR (2018). url: https://proceedings.mlr.press/​v84/​srinivasan18a.html.
https://proceedings.mlr.press/​v84/​srinivasan18a.html

[24] Herbert Jaeger. «Παρατηρήσιμα μοντέλα τελεστών για διακριτές στοχαστικές χρονοσειρές». Neural computation 12, 1371–1398 (2000).
https: / / doi.org/ 10.1162 / 089976600300015411

[25] Qing Liu, Thomas J. Elliott, Felix C. Binder, Carlo Di Franco και Mile Gu. «Βέλτιστη στοχαστική μοντελοποίηση με ενιαία κβαντική δυναμική». Phys. Αναθ. Α 99, 062110 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062110

[26] Τόμας Τζέι Έλιοτ. «Συμπίεση μνήμης και θερμική απόδοση κβαντικών υλοποιήσεων μη ντετερμινιστικών κρυφών μοντέλων markov». Φυσική Ανασκόπηση A 103, 052615 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.052615

[27] Sandesh Adhikary, Siddarth Srinivasan, Geoff Gordon και Byron Boots. «Εκφραστικότητα και εκμάθηση των κρυφών κβαντικών μοντέλων Markov». Στο Διεθνές Συνέδριο για την Τεχνητή Νοημοσύνη και τη Στατιστική. Σελίδες 4151–4161. (2020). url: http://proceedings.mlr.press/​v108/​adhikary20a/​adhikary20a.pdf.
http://​/​proceedings.mlr.press/​v108/​adhikary20a/​adhikary20a.pdf

[28] Bo Jiang και Yu-Hong Dai. «Ένα πλαίσιο σχημάτων ενημέρωσης διατήρησης περιορισμών για βελτιστοποίηση στην πολλαπλή Stiefel». Mathematical Programming 153, 535–575 (2015).
https:/​/​doi.org/​10.1007/​s10107-014-0816-7

[29] Vanio Markov, Vladimir Rastunkov, Amol Deshmukh, Daniel Fry και Charlee Stefanski. «Εφαρμογή και εκμάθηση κβαντικών κρυφών μοντέλων markov» (2022). arXiv:2212.03796v2.
arXiv: 2212.03796v2

[30] Xiantao Li και Chunhao Wang. «Προομοίωση μαρκοβιανών ανοιχτών κβαντικών συστημάτων με χρήση επέκτασης σειράς υψηλότερης τάξης» (2022). arXiv:2212.02051v2.
arXiv: 2212.02051v2

[31] Γιοσιτάκα Τανιμούρα. «Στοχαστικές προσεγγίσεις Liouville, Langevin, Fokker–Planck και κύριες εξισώσεις σε συστήματα κβαντικής διάχυσης». Journal of the Physical Society of Japan 75, 082001 (2006).
https: / / doi.org/ 10.1143 / JPSJ.75.082001

[32] Akihito Ishizaki και Graham R Fleming. «Ενοποιημένη αντιμετώπιση της κβαντικής συνεκτικής και ασυνάρτητης δυναμικής αναπήδησης στην ηλεκτρονική μεταφορά ενέργειας: Προσέγγιση εξίσωσης μειωμένης ιεραρχίας». The Journal of chemical physics 130 (2009).
https: / / doi.org/ 10.1063 / 1.3155372

[33] Jinshuang Jin, Xiao Zheng και YiJing Yan. «Ακριβής δυναμική των ηλεκτρονικών συστημάτων διάχυσης και κβαντική μεταφορά: Ιεραρχικές εξισώσεις κίνησης». The Journal of chemical physics 128 (2008).
https: / / doi.org/ 10.1063 / 1.2938087

[34] Lewis A Clark, Wei Huang, Thomas M Barlow και Almut Beige. «Κρυμμένα κβαντικά μοντέλα markov και ανοιχτά κβαντικά συστήματα με στιγμιαία ανάδραση». Στο ISCS 2014 Διεπιστημονικό Συμπόσιο για Σύνθετα Συστήματα. Σελίδες 143–151. (2015).
https:/​/​doi.org/​10.1007/​978-3-319-10759-2$_$16

[35] Xin-Qi Li, JunYan Luo, Yong-Gang Yang, Ping Cui και YiJing Yan. «Κβαντική κύρια εξίσωση προσέγγιση στην κβαντική μεταφορά μέσω μεσοσκοπικών συστημάτων». Physical Review B 71, 205304 (2005).
https: / / doi.org/ 10.1103 / PhysRevB.71.205304

[36] Michael J Kastoryano, Fernando GSL Brandão, András Gilyén, et al. «Προετοιμασία κβαντικής θερμικής κατάστασης» (2023). arXiv:2303.18224.
arXiv: 2303.18224

[37] Ming-Jie Zhao και Herbert Jaeger. «Μοντέλα χειριστή με κανονικά παρατηρήσιμα». Neural computation 22, 1927–1959 (2010).
https://doi.org/​10.1162/​neco.2010.03-09-983

[38] Sandesh Adhikary, Siddarth Srinivasan και Byron Boots. "Εκμάθηση κβαντικών γραφικών μοντέλων χρησιμοποιώντας περιορισμένη κλίση κάθοδος στην πολλαπλή stiefel" (2019). arXiv:2101.08448v1.
arXiv: 2101.08448v1

[39] MS Vijayabaskar David R. Westhead, συντάκτης. «Κρυμμένα μοντέλα Markov». Τόμος 2, σελίδα 18. Humana New York, NY. (2017).
https:/​/​doi.org/​10.1007/​978-1-4939-6753-7

Αναφέρεται από

Αυτό το Βιβλίο δημοσιεύεται στο Quantum στο πλαίσιο του Creative Commons Attribution 4.0 Διεθνής (CC BY 4.0) άδεια. Τα πνευματικά δικαιώματα παραμένουν στους κατόχους των πρωτότυπων δικαιωμάτων πνευματικής ιδιοκτησίας όπως οι δημιουργοί ή τα ιδρύματά τους

Σφραγίδα ώρας:

Περισσότερα από Quantum Journal