Um novo algoritmo de aprendizado de máquina quântico: modelo de Markov quântico oculto dividido inspirado na equação mestra condicional quântica

Um novo algoritmo de aprendizado de máquina quântico: modelo de Markov quântico oculto dividido inspirado na equação mestra condicional quântica

Carimbo de data / hora: 24 de janeiro de 2024 7h38
Nó Fonte: 3083772

Xiao Yu Li1, Qin Sheng Zhu2, Yong Hu2, Hao Wu2,3, Guo Wu Yang4, Lian Hui Yu2e Geng Chen4

1Escola de Engenharia de Informação e Software, Universidade de Ciência Eletrônica e Tecnologia da China, Cheng Du, 610054, China
2Escola de Física, Universidade de Ciência Eletrônica e Tecnologia da China, Cheng Du, 610054, China
3Instituto de Tecnologia da Indústria Eletrônica e da Informação de Kash, Kash, 844000, China
4Escola de Ciência da Computação e Engenharia, Universidade de Ciência Eletrônica e Tecnologia da China, Cheng Du, 610054, China

Acha este artigo interessante ou deseja discutir? Scite ou deixe um comentário no SciRate.

Sumário

O Modelo Quantum Markov Oculto (HQMM) tem potencial significativo para analisar dados de séries temporais e estudar processos estocásticos no domínio quântico como uma opção de atualização com vantagens potenciais sobre os modelos clássicos de Markov. Neste artigo, introduzimos o HQMM dividido (SHQMM) para implementar o processo quântico oculto de Markov, utilizando a equação mestra condicional com uma condição de equilíbrio fino para demonstrar as interconexões entre os estados internos do sistema quântico. Os resultados experimentais sugerem que nosso modelo supera os modelos anteriores em termos de escopo de aplicações e robustez. Além disso, estabelecemos um novo algoritmo de aprendizagem para resolver parâmetros no HQMM, relacionando a equação mestra condicional quântica ao HQMM. Finalmente, nosso estudo fornece evidências claras de que o sistema de transporte quântico pode ser considerado uma representação física do HQMM. O SHQMM com algoritmos que o acompanham apresenta um novo método para analisar sistemas quânticos e séries temporais baseados na implementação física.

Imagem em destaque: O diagrama de cálculo expandido de $ρ^n(t)$ para um conjunto de sequências $y_0$, $y_1$ · · · , $y_T$.

Resumo popular

Neste trabalho, partindo da estrutura da teoria física de sistema aberto e utilizando a equação mestra da condição quântica derivada da introdução de condições de equilíbrio detalhadas, estabelecemos teoricamente a conexão entre a equação mestra da condição quântica e o modelo quântico oculto de Markov. Simultaneamente, propomos um novo modelo de divisão quântica de Markov (SHQMM). De forma emocionante, os resultados experimentais não apenas validam a superioridade dos algoritmos quânticos sobre os algoritmos clássicos, mas também demonstram que nosso modelo supera os HQMMs anteriores, oferecendo amplas aplicações no estudo de estados internos de sistemas quânticos.

► dados BibTeX

► Referências

[1] Juan I Cirac e Peter Zoller. “Cálculos quânticos com íons aprisionados a frio”. Cartas de revisão física 74, 4091 (1995).
https: / / doi.org/ 10.1103 / physrevlett.74.4091

[2] Emanuel Knill, Raymond Laflamme e Gerald J Milburn. “Um esquema para computação quântica eficiente com óptica linear”. natureza 409, 46–52 (2001).
https: / / doi.org/ 10.1038 / 35051009

[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe e Seth Lloyd. “Aprendizado de máquina quântica”. Natureza 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[4] M Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio e Patrick J Coles. “Desafios e oportunidades no aprendizado de máquina quântica”. Ciência Computacional da Natureza 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, e outros. “Algoritmos quânticos de escala intermediária barulhentos (nisq) (2021)” (2021). arXiv:2101.08448v1.
arXiv: 2101.08448v1

[6] Alán Aspuru-Guzik, Roland Lindh e Markus Reiher. “A simulação da matéria (r)evolução”. Ciência central ACS 4, 144–152 (2018).
https://​/​doi.org/​10.1021/​acscentsci.7b00550

[7] Iulia M Georgescu, Sahel Ashhab e Franco Nori. “Simulação Quântica”. Resenhas de Física Moderna 86, 153 (2014).
https: / / doi.org/ 10.1103 / RevModPhys.86.153

[8] Markus Reiher, Nathan Wiebe, Krysta M Svore, Dave Wecker e Matthias Troyer. “Elucidando mecanismos de reação em computadores quânticos”. Anais da Academia Nacional de Ciências 114, 7555-7560 (2017).
https: / / doi.org/ 10.1073 / pnas.1619152114

[9] Yudong Cao, Jhonathan Romero e Alán Aspuru-Guzik. “Potencial da computação quântica para descoberta de drogas”. IBM Journal of Research and Development 62, 6–1 (2018).
https://​/​doi.org/​10.1147/​JRD.2018.2888987

[10] Roman Orus, Samuel Mugel e Enrique Lizaso. “Computação quântica para finanças: visão geral e perspectivas”. Avaliações em Física 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

[11] Pierre-Luc Dallaire-Demers, Jonathan Romero, Libor Veis, Sukin Sim e Alán Aspuru-Guzik. “Circuito ansatz de baixa profundidade para preparar estados fermiônicos correlacionados em um computador quântico”. Ciência e Tecnologia Quântica 4, 045005 (2019).
https: / / doi.org/ 10.1088 / 2058-9565 / ab3951

[12] Elizabeth Fons, Paula Dawson, Jeffrey Yau, Xiao-jun Zeng e John Keane. “Um novo sistema dinâmico de alocação de ativos usando modelos de Feature Saliency Hidden Markov para investimento beta inteligente”. Sistemas Especialistas com Aplicativos 163, 113720 (2021).
https: / / doi.org/ 10.1016 / j.eswa.2020.113720

[13] PV Chandrika, K Visalakshmi e K Sakthi Srinivasan. “Aplicação de modelos ocultos de Markov na negociação de ações”. Em 2020, 6ª Conferência Internacional sobre Sistemas Avançados de Computação e Comunicação (ICACCS). Páginas 1144–1147. (2020).
https://​/​doi.org/​10.1109/​ICACCS48705.2020.9074387

[14] Dima Suleiman, Arafat Awajan e Wael Al Etaiwi. “O uso do modelo oculto de Markov no processamento da língua árabe natural: uma pesquisa”. Procedia ciência da computação 113, 240–247 (2017).
https://​/​doi.org/​10.1016/​j.procs.2017.08.363

[15] Hariz Zakka Muhammad, Muhammad Nasrun, Casi Setianingsih e Muhammad Ary Murti. “Reconhecimento de fala para tradutor de inglês para indonésio usando modelo oculto de Markov”. Em 2018 Conferência Internacional sobre Sinais e Sistemas (ICSigSys). Páginas 255–260. IEEE (2018).
https://​/​doi.org/​10.1109/​ICSIGSYS.2018.8372768

[16] Erik LL Sonnhammer, Gunnar Von Heijne, Anders Krogh, e outros. “Um modelo oculto de Markov para prever hélices transmembrana em sequências de proteínas”. Em LSMB 1998. Páginas 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 e Jeanne M Fair. “Modelo oculto de Markov: uma abordagem representativa única e mais curta para detectar toxinas proteicas, fatores de virulência e genes de resistência a antibióticos”. Notas de pesquisa BMC 14, 1–5 (2021).
https://​/​doi.org/​10.21203/​rs.3.rs-185430/​v1

[18] Sean R Eddy. “O que é um modelo de Markov oculto?”. Biotecnologia da natureza 22, 1315–1316 (2004).
https:///​doi.org/​10.1038/​nbt1004-1315

[19] Paul M Baggenstoss. “Um algoritmo baum-welch modificado para modelos de Markov ocultos com múltiplos espaços de observação”. Transações IEEE sobre processamento de fala e áudio 9, 411–416 (2001).
https: / / doi.org/ 10.1109 / 89.917686

[20] Aleksandar Kavcic e José MF Moura. “O algoritmo de Viterbi e a memória de ruído de Markov”. Transações IEEE sobre teoria da informação 46, 291–301 (2000).
https: / / doi.org/ 10.1109 / 18.817531

[21] Todd K Lua. “O algoritmo de maximização de expectativas”. Revista de processamento de sinais IEEE 13, 47–60 (1996).
https: / / doi.org/ 10.1109 / 79.543975

[22] Alex Monras, Almut Beige e Karoline Wiesner. “Modelos quânticos ocultos de Markov e leitura não adaptativa de estados de muitos corpos” (2010). arXiv:1002.2337.
arXiv: 1002.2337

[23] Siddarth Srinivasan, Geoff Gordon e Byron Boots. “Aprendendo modelos quânticos de Markov ocultos”. Em Amos Storkey e Fernando Perez-Cruz, editores, Anais da Vigésima Primeira Conferência Internacional sobre Inteligência Artificial e Estatística. Volume 84 de Proceedings of Machine Learning Research, páginas 1979–1987. PMLR (2018). url: https://​/​proceedings.mlr.press/​v84/​srinivasan18a.html.
https://​/​proceedings.mlr.press/​v84/​srinivasan18a.html

[24] Herbert Jaeger. “Modelos de operadores observáveis ​​para séries temporais estocásticas discretas”. Computação neural 12, 1371–1398 (2000).
https: / / doi.org/ 10.1162 / 089976600300015411

[25] Qing Liu, Thomas J. Elliott, Felix C. Binder, Carlo Di Franco e Mile Gu. “Modelagem estocástica ótima com dinâmica quântica unitária”. Física. Rev. A 99, 062110 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062110

[26] Thomas J Elliott. “Compressão de memória e eficiência térmica de implementações quânticas de modelos de Markov ocultos não determinísticos”. Revisão Física A 103, 052615 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.052615

[27] Sandesh Adhikary, Siddarth Srinivasan, Geoff Gordon e Byron Boots. “Expressividade e aprendizagem de modelos quânticos ocultos de Markov”. Na Conferência Internacional sobre Inteligência Artificial e Estatística. Páginas 4151–4161. (2020). url: http:/​/​proceedings.mlr.press/​v108/​adhikary20a/​adhikary20a.pdf.
http://​/​proceedings.mlr.press/​v108/​adhikary20a/​adhikary20a.pdf

[28] Bo Jiang e Yu Hong Dai. “Uma estrutura de esquemas de atualização com preservação de restrições para otimização na variedade Stiefel”. Programação Matemática 153, 535–575 (2015).
https:/​/​doi.org/​10.1007/​s10107-014-0816-7

[29] Vanio Markov, Vladimir Rastunkov, Amol Deshmukh, Daniel Fry e Charlee Stefanski. “Implementação e aprendizagem de modelos quânticos de Markov ocultos” (2022). arXiv:2212.03796v2.
arXiv: 2212.03796v2

[30] Xiantao Li e Chunhao Wang. “Simulando sistemas quânticos abertos markovianos usando expansão em série de ordem superior” (2022). arXiv:2212.02051v2.
arXiv: 2212.02051v2

[31] Yoshitaka Tanimura. “Abordagens estocásticas de Liouville, Langevin, Fokker-Planck e equações mestras para sistemas dissipativos quânticos”. Jornal da Sociedade Física do Japão 75, 082001 (2006).
https: / / doi.org/ 10.1143 / JPSJ.75.082001

[32] Akihito Ishizaki e Graham R Fleming. “Tratamento unificado da dinâmica de salto quântico coerente e incoerente na transferência eletrônica de energia: abordagem de equação de hierarquia reduzida”. O Jornal de Física Química 130 (2009).
https: / / doi.org/ 10.1063 / 1.3155372

[33] Jinshuang Jin, Xiao Zheng e YiJing Yan. “Dinâmica exata de sistemas eletrônicos dissipativos e transporte quântico: abordagem de equações hierárquicas de movimento”. O Jornal de Física Química 128 (2008).
https: / / doi.org/ 10.1063 / 1.2938087

[34] Lewis A Clark, Wei Huang, Thomas M Barlow e Almut Beige. “Modelos quânticos ocultos de Markov e sistemas quânticos abertos com feedback instantâneo”. No Simpósio Interdisciplinar de Sistemas Complexos do ISCS 2014. Páginas 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 e YiJing Yan. “Abordagem de equação mestra quântica para transporte quântico através de sistemas mesoscópicos”. Revisão Física B 71, 205304 (2005).
https: / / doi.org/ 10.1103 / PhysRevB.71.205304

[36] Michael J Kastoryano, Fernando GSL Brandão, András Gilyén, et al. “Preparação do estado térmico quântico” (2023). arXiv:2303.18224.
arXiv: 2303.18224

[37] Ming-Jie Zhao e Herbert Jaeger. “Modelos de operadores observáveis ​​pelas normas”. Computação neural 22, 1927–1959 (2010).
https://​/​doi.org/​10.1162/​neco.2010.03-09-983

[38] Sandesh Adhikary, Siddarth Srinivasan e Byron Boots. “Aprendendo modelos gráficos quânticos usando descida gradiente restrita na variedade Stiefel” (2019). arXiv:2101.08448v1.
arXiv: 2101.08448v1

[39] MS Vijayabaskar David R. Westhead, editor. “Modelos de Markov ocultos”. Volume 2, página 18. Humana New York, NY. (2017).
https:/​/​doi.org/​10.1007/​978-1-4939-6753-7

Citado por

Este artigo é publicado na Quantum sob o Atribuição 4.0 do Creative Commons Internacional (CC BY 4.0) licença. Os direitos autorais permanecem com os detentores originais, como os autores ou suas instituições.

Carimbo de hora:

Mais de Diário Quântico