Egy új kvantumgépi tanulási algoritmus: osztott rejtett kvantum Markov-modell, amelyet a kvantumfeltételes főegyenlet ihletett

Egy új kvantumgépi tanulási algoritmus: osztott rejtett kvantum Markov-modell, amelyet a kvantumfeltételes főegyenlet ihletett

Időbélyeg: 24. január 2024. 7:38
Forrás csomópont: 3083772

Xiao-Yu Li1, Qin-Sheng Zhu2, Yong Hu2, Hao Wu2,3, Guo-Wu Yang4, Lian-Hui Yu2és Geng Chen4

1Információs és szoftvermérnöki iskola, Kínai Elektronikai Tudományos és Technológiai Egyetem, Cheng Du, 610054, Kína
2Fizikai Iskola, Kínai Elektronikai Tudományok és Technológiai Egyetem, Cheng Du, 610054, Kína
3Institute of Electronics and Information Industry Technology of Kash, Kash, 844000, Kína
4Számítástechnikai és Mérnöki Iskola, Kínai Elektronikai Tudományos és Technológiai Egyetem, Cheng Du, 610054, Kína

Érdekesnek találja ezt a cikket, vagy szeretne megvitatni? Scite vagy hagyjon megjegyzést a SciRate-en.

Absztrakt

A rejtett kvantum-Markov-modell (HQMM) jelentős potenciállal rendelkezik az idősoros adatok elemzésére és a kvantumtartomány sztochasztikus folyamatainak tanulmányozására, mint a klasszikus Markov-modellekhez képest potenciális előnyökkel bíró fejlesztési lehetőség. Ebben a cikkben bemutattuk az osztott HQMM-et (SHQMM) a rejtett kvantum Markov-folyamat megvalósításához, a feltételes mesteregyenletet finom egyensúlyi feltétellel a kvantumrendszer belső állapotai közötti összefüggések bemutatására. A kísérleti eredmények azt sugallják, hogy modellünk felülmúlja a korábbi modelleket az alkalmazási kör és a robusztusság tekintetében. Ezenkívül létrehozunk egy új tanulási algoritmust a HQMM paramétereinek megoldására úgy, hogy a kvantumfeltételes mesteregyenletet a HQMM-hez kapcsoljuk. Végül tanulmányunk egyértelmű bizonyítékot szolgáltat arra vonatkozóan, hogy a kvantumtranszport rendszer a HQMM fizikai reprezentációjának tekinthető. Az SHQMM a hozzá tartozó algoritmusokkal egy új módszert kínál a kvantumrendszerek és a fizikai megvalósításon alapuló idősorok elemzésére.

Kiemelt kép: $ρ^n(t)$ kiterjesztett számítási diagramja $y_0$, $y_1$ · · · , $y_T$ sorozatokhoz.

Népszerű összefoglaló

Ebben a munkában a nyílt rendszerű fizikai elmélet keretéből kiindulva, a részletes egyensúlyi feltételek bevezetéséből levezetett kvantumfeltétel-mesteregyenlet felhasználásával elméletileg megállapítjuk a kapcsolatot a kvantumfeltétel-mesteregyenlet és a kvantum-rejtett Markov-modell között. Ezzel egyidejűleg egy új, Splitting Quantum Markov-modellt (SHQMM) javasolunk. Izgalmas módon a kísérleti eredmények nemcsak a kvantumalgoritmusok felsőbbrendűségét igazolják a klasszikus algoritmusokkal szemben, hanem azt is demonstrálják, hogy modellünk felülmúlja a korábbi HQMM-eket, széles körű alkalmazásokat kínálva a kvantumrendszerek belső állapotainak tanulmányozásában.

► BibTeX adatok

► Referenciák

[1] Juan I Cirac és Peter Zoller. „Kvantumszámítások hidegcsapdás ionokkal”. Physical Review Letters 74, 4091 (1995).
https://​/​doi.org/​10.1103/​physrevlett.74.4091

[2] Emanuel Knill, Raymond Laflamme és Gerald J Milburn. „Egy séma hatékony kvantumszámításhoz lineáris optikával”. természet 409, 46–52 (2001).
https://​/​doi.org/​10.1038/​35051009

[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe és Seth Lloyd. „Kvantumgépi tanulás”. Nature 549, 195–202 (2017).
https://​/​doi.org/​10.1038/​nature23474

[4] M Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio és Patrick J Coles. „Kihívások és lehetőségek a kvantumgépi tanulásban”. 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 és mások. „Zajos, közepes méretű kvantum (nisq) algoritmusok (2021)” (2021). arXiv:2101.08448v1.
arXiv:2101.08448v1

[6] Alán Aspuru-Guzik, Roland Lindh és Markus Reiher. „Az anyagszimulációs (r) evolúció”. ACS central science 4, 144–152 (2018).
https://​/​doi.org/​10.1021/​acscentsci.7b00550

[7] Iulia M Georgescu, Sahel Ashhab és Franco Nori. „Kvantumszimuláció”. 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 és Matthias Troyer. „Reakciómechanizmusok feltárása kvantumszámítógépeken”. Proceedings of the National Academy of Sciences 114, 7555–7560 (2017).
https://​/​doi.org/​10.1073/​pnas.1619152114

[9] Yudong Cao, Jhonathan Romero és Alán Aspuru-Guzik. „A kvantumszámítás lehetősége a gyógyszerkutatásban”. IBM Journal of Research and Development 62, 6–1 (2018).
https://​/​doi.org/​10.1147/​JRD.2018.2888987

[10] Roman Orus, Samuel Mugel és Enrique Lizaso. „Kvantumszámítás a pénzügyekhez: Áttekintés és kilátások”. Reviews in Physics 4, 100028 (2019).
https://​/​doi.org/​10.1016/​j.revip.2019.100028

[11] Pierre-Luc Dallaire-Demers, Jonathan Romero, Libor Veis, Sukin Sim és Alán Aspuru-Guzik. "Alacsony mélységű áramköri ansatz korrelált fermionos állapotok kvantumszámítógépen történő előállításához". 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 és John Keane. „Újszerű dinamikus eszközallokációs rendszer Feature Saliency Hidden Markov modellekkel az intelligens béta befektetésekhez”. Expert Systems with Applications 163, 113720 (2021).
https://​/​doi.org/​10.1016/​j.eswa.2020.113720

[13] PV Chandrika, K Visalakshmi és K Sakthi Srinivasan. „Rejtett Markov-modellek alkalmazása a tőzsdei kereskedésben”. 2020-ban 6. nemzetközi konferencia a fejlett számítástechnikai és kommunikációs rendszerekről (ICACCS). 1144–1147. oldal. (2020).
https://​/​doi.org/​10.1109/​ICACCS48705.2020.9074387

[14] Dima Szulejmán, Arafat Awajan és Wael Al Etaiwi. „A rejtett Markov-modell használata a természetes arab nyelvi feldolgozásban: felmérés”. Procedia számítástechnika 113, 240–247 (2017).
https://​/​doi.org/​10.1016/​j.procs.2017.08.363

[15] Hariz Zakka Muhammad, Muhammad Nasrun, Casi Setianingsih és Muhammad Ary Murti. „Beszédfelismerés angol-indonéz fordító számára rejtett Markov-modell segítségével”. 2018-ban a jelek és rendszerek nemzetközi konferenciája (ICSigSys). 255–260. oldal. IEEE (2018).
https://​/​doi.org/​10.1109/​ICSIGSYS.2018.8372768

[16] Erik LL Sonnhammer, Gunnar Von Heijne, Anders Krogh és mások. "Egy rejtett Markov-modell a transzmembrán hélixek előrejelzésére fehérjeszekvenciákban". In LSMB 1998. 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 és Jeanne M Fair. „Rejtett Markov-modell: a fehérjetoxinok, virulenciafaktorok és antibiotikum-rezisztencia gének kimutatásának legrövidebb egyedi reprezentatív megközelítése”. BMC Research Notes 14, 1–5 (2021).
https://​/​doi.org/​10.21203/​rs.3.rs-185430/​v1

[18] Sean R Eddy. „Mi az a rejtett Markov-modell?” Nature biotechnology 22, 1315–1316 (2004).
https://​/​doi.org/​10.1038/​nbt1004-1315

[19] Paul M Baggenstoss. „Módosított baum-welch algoritmus több megfigyelési térrel rendelkező rejtett Markov modellekhez”. IEEE Transactions on beszéd- és hangfeldolgozás 9, 411–416 (2001).
https://​/​doi.org/​10.1109/​89.917686

[20] Aleksandar Kavcic és Jose MF Moura. „A viterbi algoritmus és a Markov zajmemória”. IEEE Transactions on information theory 46, 291–301 (2000).
https://​/​doi.org/​10.1109/​18.817531

[21] Todd K Moon. „Az elvárás-maximalizálási algoritmus”. IEEE Signal processing magazin 13, 47–60 (1996).
https://​/​doi.org/​10.1109/​79.543975

[22] Alex Monras, Almut Beige és Karoline Wiesner. „Rejtett kvantum Markov-modellek és sok test állapotának nem adaptív kiolvasása” (2010). arXiv:1002.2337.
arXiv: 1002.2337

[23] Siddarth Srinivasan, Geoff Gordon és Byron Boots. „Rejtett kvantummarkov modellek tanulása”. In Amos Storkey és Fernando Perez-Cruz, szerkesztők, Proceedings of the Twenty-First International Conference on Artificial Intelligence and Statistics. Proceedings of Machine Learning Research, 84. kötet, 1979–1987. PMLR (2018). url: https://​/​proceedings.mlr.press/​v84/​srinivasan18a.html.
https://​/​proceedings.mlr.press/​v84/​srinivasan18a.html

[24] Herbert Jaeger. „Megfigyelhető operátormodellek diszkrét sztochasztikus idősorokhoz”. Neurális számítás, 12, 1371–1398 (2000).
https://​/​doi.org/​10.1162/​089976600300015411

[25] Qing Liu, Thomas J. Elliott, Felix C. Binder, Carlo Di Franco és Mile Gu. „Optimális sztochasztikus modellezés egységes kvantumdinamikával”. Phys. Rev. A 99, 062110 (2019).
https://​/​doi.org/​10.1103/​PhysRevA.99.062110

[26] Thomas J Elliott. „Nemdeterminisztikus rejtett Markov-modellek kvantumimplementációinak memóriatömörítése és termikus hatékonysága”. Fizikai Szemle A 103, 052615 (2021).
https://​/​doi.org/​10.1103/​PhysRevA.103.052615

[27] Sandesh Adhikary, Siddarth Srinivasan, Geoff Gordon és Byron Boots. „Rejtett kvantum-Markov-modellek kifejezőképessége és tanulása”. Mesterséges Intelligencia és Statisztika Nemzetközi Konferencián. 4151–4161. oldal. (2020). url: http://​/​proceedings.mlr.press/​v108/​adhikary20a/​adhikary20a.pdf.
http://​/​proceedings.mlr.press/​v108/​adhikary20a/​adhikary20a.pdf

[28] Bo Jiang és Yu-Hong Dai. „A korlátozásokat megőrző frissítési sémák keretrendszere a Stiefel-elosztó optimalizálásához”. Matematikai programozás 153, 535–575 (2015).
https:/​/​doi.org/​10.1007/​s10107-014-0816-7

[29] Vanio Markov, Vladimir Rastunkov, Amol Deshmukh, Daniel Fry és Charlee Stefanski. „Kvantum rejtett Markov modellek megvalósítása és tanulása” (2022). arXiv:2212.03796v2.
arXiv:2212.03796v2

[30] Xiantao Li és Chunhao Wang. „Markov nyílt kvantumrendszerek szimulálása magasabb rendű sorozatbővítéssel” (2022). arXiv:2212.02051v2.
arXiv:2212.02051v2

[31] Yoshitaka Tanimura. „A sztochasztikus Liouville, Langevin, Fokker–Planck és a mesteregyenlet megközelítései kvantumdisszipatív rendszerekben”. Journal of the Physical Society of Japan 75, 082001 (2006).
https://​/​doi.org/​10.1143/​JPSJ.75.082001

[32] Akihito Ishizaki és Graham R Fleming. „A kvantumkoherens és inkoherens ugrásdinamikának egységes kezelése az elektronikus energiaátvitelben: Csökkentett hierarchia egyenletek megközelítése”. The Journal of Chemical physics 130 (2009).
https://​/​doi.org/​10.1063/​1.3155372

[33] Jinshuang Jin, Xiao Zheng és YiJing Yan. „A disszipatív elektronikus rendszerek és a kvantumtranszport pontos dinamikája: A mozgási megközelítés hierarchikus egyenletei”. The Journal of Chemical physics 128 (2008).
https://​/​doi.org/​10.1063/​1.2938087

[34] Lewis A Clark, Wei Huang, Thomas M Barlow és Almut Beige. „Rejtett kvantummarkov-modellek és nyitott kvantumrendszerek azonnali visszacsatolással”. Az ISCS 2014 interdiszciplináris szimpóziumában a komplex rendszerekről. 143–151. oldal. (2015).
https:/​/​doi.org/​10.1007/​978-3-319-10759-2$_$16

[35] Xin-Qi Li, JunYan Luo, Yong-Gang Yang, Ping Cui és YiJing Yan. „Kvantummester-egyenlet megközelítés a kvantumtranszporthoz mezoszkópikus rendszereken keresztül”. Fizikai Szemle B 71, 205304 (2005).
https://​/​doi.org/​10.1103/​PhysRevB.71.205304

[36] Michael J Kastoryano, Fernando GSL Brandão, András Gilyén, et al. „Kvantumtermikus állapot előkészítése” (2023). arXiv:2303.18224.
arXiv: 2303.18224

[37] Ming-Jie Zhao és Herbert Jaeger. „Normál megfigyelhető kezelői modellek”. Neurális számítás 22, 1927–1959 (2010).
https://​/​doi.org/​10.1162/​neco.2010.03-09-983

[38] Sandesh Adhikary, Siddarth Srinivasan és Byron Boots. „Kvantumgrafikus modellek tanulása kényszerített gradiens süllyedés segítségével a stiefel sokaságon” (2019). arXiv:2101.08448v1.
arXiv:2101.08448v1

[39] MS Vijayabaskar David R. Westhead, szerkesztő. „Rejtett Markov-modellek”. 2. kötet, 18. oldal. Humana New York, NY. (2017).
https:/​/​doi.org/​10.1007/​978-1-4939-6753-7

Idézi

Ez a tanulmány a Quantumban jelent meg Creative Commons Nevezd meg 4.0 International (CC BY 4.0) engedély. A szerzői jog az eredeti szerzői jog tulajdonosainál marad, például a szerzőknél vagy intézményeiknél.

Időbélyeg:

Még több Quantum Journal