อัลกอริธึมการเรียนรู้ของเครื่องควอนตัมใหม่: แยกโมเดลควอนตัมมาร์คอฟที่ซ่อนอยู่ซึ่งได้รับแรงบันดาลใจจากสมการหลักแบบมีเงื่อนไขควอนตัม

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

เสี่ยวหยูหลี่¹, ฉินเซิงจู้², หยงหู², ห่าวหวู่^2,3,กัว-อู๋หยาง⁴, เหลียนฮุยหยู²และเกิงเฉิน⁴

¹School of Information and Software Engineering, University of Electronic Science and Technology of China, เฉิงตู, 610054, จีน
²School of Physics, University of Electronic Science and Technology of China, เฉิงตู, 610054, จีน
³สถาบันเทคโนโลยีอิเล็กทรอนิกส์และอุตสาหกรรมสารสนเทศของ Kash, Kash, 844000, จีน
⁴School of Computer Science and Engineering, University of Electronic Science and Technology of China, เฉิงตู, 610054, จีน

พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.

นามธรรม

โมเดลควอนตัมมาร์คอฟที่ซ่อนอยู่ (HQMM) มีศักยภาพที่สำคัญในการวิเคราะห์ข้อมูลอนุกรมเวลาและศึกษากระบวนการสุ่มในโดเมนควอนตัมในฐานะตัวเลือกการอัพเกรดพร้อมข้อได้เปรียบที่เป็นไปได้เหนือโมเดลมาร์คอฟแบบดั้งเดิม ในบทความนี้ เราได้แนะนำ split HQMM (SHQMM) สำหรับการนำกระบวนการ Markov ควอนตัมที่ซ่อนอยู่ไปใช้ โดยใช้สมการหลักแบบมีเงื่อนไขพร้อมกับเงื่อนไขสมดุลที่ดีเพื่อสาธิตการเชื่อมต่อระหว่างสถานะภายในของระบบควอนตัม ผลการทดลองชี้ให้เห็นว่าแบบจำลองของเรามีประสิทธิภาพเหนือกว่ารุ่นก่อนหน้าในแง่ของขอบเขตการใช้งานและความทนทาน นอกจากนี้เรายังสร้างอัลกอริธึมการเรียนรู้ใหม่เพื่อแก้พารามิเตอร์ใน HQMM โดยการเชื่อมโยงสมการหลักแบบมีเงื่อนไขควอนตัมกับ HQMM ในที่สุด การศึกษาของเราแสดงหลักฐานที่ชัดเจนว่าระบบการขนส่งควอนตัมถือได้ว่าเป็นตัวแทนทางกายภาพของ HQMM SHQMM พร้อมด้วยอัลกอริทึมนำเสนอวิธีการใหม่ในการวิเคราะห์ระบบควอนตัมและอนุกรมเวลาที่มีพื้นฐานมาจากการใช้งานจริง

ภาพเด่น: แผนภาพการคำนวณแบบขยายของ $ρ^n(t)$ สำหรับชุดลำดับ $y_0$, $y_1$ · · · , $y_T$

สรุปยอดนิยม

ในงานนี้ เริ่มต้นจากกรอบของทฤษฎีฟิสิกส์ระบบเปิดและการใช้สมการหลักเงื่อนไขควอนตัมที่ได้มาจากการแนะนำเงื่อนไขสมดุลโดยละเอียด ตามทฤษฎีแล้ว เราสร้างความเชื่อมโยงระหว่างสมการหลักเงื่อนไขควอนตัมกับแบบจำลองมาร์คอฟที่ซ่อนอยู่ในควอนตัม พร้อมกันนี้ เราขอเสนอแบบจำลองการแยกควอนตัมมาร์คอฟ (SHQMM) แบบใหม่ ผลการทดลองที่น่าตื่นเต้นไม่เพียงแต่ตรวจสอบความเหนือกว่าของอัลกอริธึมควอนตัมเหนืออัลกอริธึมแบบดั้งเดิม แต่ยังแสดงให้เห็นว่าแบบจำลองของเรามีประสิทธิภาพเหนือกว่า HQMM ก่อนหน้านี้ โดยนำเสนอการใช้งานในวงกว้างในการศึกษาสถานะภายในของระบบควอนตัม

► ข้อมูล BibTeX

@article{Li2024newquantummachine, doi = {10.22331/q-2024-01-24-1232}, url = {https://doi.org/10.22331/q-2024-01-24-1232}, title = {A new quantum machine learning algorithm: split hidden quantum {M}arkov model inspired by quantum conditional master equation}, author = {Li, Xiao-Yu and Zhu, Qin-Sheng and Hu, Yong and Wu, Hao and Yang, Guo-Wu and Yu, Lian-Hui and Chen, Geng}, journal = {{Quantum}}, issn = {2521-327X}, publisher = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {8}, pages = {1232}, month = jan, year = {2024} }

► ข้อมูลอ้างอิง

[1] ฮวน อิ ซีรัค และปีเตอร์ โซลเลอร์ “การคำนวณควอนตัมไอออนเย็น” จดหมายตรวจสอบทางกายภาพ 74, 4091 (1995)
https://doi.org/10.1103/physrevlett.74.4091

[2] เอ็มมานูเอล นิลล์, เรย์มอนด์ ลาฟแลม และเจอรัลด์ เจ มิลเบิร์น “โครงการสำหรับการคำนวณควอนตัมที่มีประสิทธิภาพด้วยเลนส์เชิงเส้น” ธรรมชาติ 409, 46–52 (2001)
https://doi.org/10.1038/35051009

[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe และ Seth Lloyd “ควอนตัมแมชชีนเลิร์นนิง” ธรรมชาติ 549, 195–202 (2017)
https://doi.org/10.1038/nature23474

[4] เอ็ม เซเรโซ, กิโยม แวร์ดอน, ซิน-หยวน ฮวง, ลูคัส ซินซิโอ และแพทริค เจ โคลส์ “ความท้าทายและโอกาสในการเรียนรู้ของเครื่องควอนตัม” วิทยาศาสตร์การคำนวณธรรมชาติ 2, 567–576 (2022)
https://doi.org/10.1038/s43588-022-00311-3

[5] คีชอร์ ภารตี, อัลบา เซอร์เวรา-เลียร์ตา, ธี ฮา จ่อ, โทเบียส เฮาก์, ซัมเนอร์ อัลเปริน-ลี, อภินาฟ อานันท์, แมทเธียส เดกรูต, เฮอร์มานนี ไฮโมเนน, จาคอบ เอส คอตต์มันน์, ทิม เมนเก้ และคณะ “อัลกอริธึมควอนตัมระดับกลาง (nisq) ที่มีเสียงดัง (2021)” (2021) arXiv:2101.08448v1.
arXiv: 2101.08448v1

[6] อลัน อัสปูรู-กูซิก, โรแลนด์ ลินด์ และมาร์คุส ไรเฮอร์ “การจำลองสสาร (r) วิวัฒนาการ” วิทยาศาสตร์กลาง ACS 4, 144–152 (2018)
https:///doi.org/10.1021/acscentsci.7b00550

[7] ยูเลีย เอ็ม จอร์จสคู, ซาเฮล อาแชบ และฟรังโก โนริ “การจำลองควอนตัม” บทวิจารณ์ฟิสิกส์สมัยใหม่ 86, 153 (2014)
https://doi.org/10.1103/RevModPhys.86.153

[8] Markus Reiher, Nathan Wiebe, Krysta M Svore, Dave Wecker และ Matthias Troyer “กลไกการเกิดปฏิกิริยาที่ชัดเจนบนคอมพิวเตอร์ควอนตัม”. การดำเนินการของ National Academy of Sciences 114, 7555–7560 (2017)
https://doi.org/10.1073/pnas.1619152114

[9] Yudong Cao, Jhonathan Romero และ Alán Aspuru-Guzik “ศักยภาพของควอนตัมคอมพิวเตอร์เพื่อการค้นคว้ายา”. IBM Journal of Research and Development 62, 6–1 (2018)
https://doi.org/10.1147/JRD.2018.2888987

[10] โรมัน โอรุส, ซามูเอล มูเกล และเอ็นริเก ลิซาโซ “ควอนตัมคอมพิวติ้งสำหรับการเงิน: ภาพรวมและโอกาส” บทวิจารณ์ในฟิสิกส์ 4, 100028 (2019)
https://doi.org/10.1016/j.revip.2019.100028

[11] ปิแอร์-ลุค ดัลแลร์-เดเมอร์ส, โจนาธาน โรเมโร, ลิบอร์ เวส, ซูกิน ซิม และอลัน อัสปูรู-กูซิก “Ansatz วงจรเชิงลึกต่ำสำหรับการเตรียมสถานะเฟอร์มิโอนิกที่สัมพันธ์กันบนคอมพิวเตอร์ควอนตัม” วิทยาศาสตร์และเทคโนโลยีควอนตัม 4, 045005 (2019)
https://doi.org/10.1088/2058-9565/ab3951

[12] เอลิซาเบธ ฟอนส์, พอลลา ดอว์สัน, เจฟฟรีย์ เยา, เซียวจุน เซง และจอห์น คีน “ระบบการจัดสรรสินทรัพย์แบบไดนามิกแบบใหม่โดยใช้โมเดล Markov ที่ซ่อนอยู่ของคุณลักษณะเด่นสำหรับการลงทุนเบต้าอัจฉริยะ” ระบบผู้เชี่ยวชาญพร้อมแอปพลิเคชัน 163, 113720 (2021)
https://doi.org/10.1016/j.eswa.2020.113720

[13] พีวี จันดริกา, เค วิศลักษมี และ เค ศักธี ศรีนิวาสัน “การประยุกต์ใช้โมเดลมาร์คอฟที่ซ่อนอยู่ในการซื้อขายหุ้น” ในปี 2020 การประชุมนานาชาติครั้งที่ 6 ว่าด้วยระบบคอมพิวเตอร์และการสื่อสารขั้นสูง (ICACCS) หน้า 1144–1147. (2020).
https:///doi.org/10.1109/ICACCS48705.2020.9074387

[14] ดิมา สุไลมาน, อาราฟัต อาวาจัน และวาเอล อัล เอไตวี “การใช้แบบจำลองมาร์คอฟที่ซ่อนอยู่ในการประมวลผลภาษาอาหรับธรรมชาติ: แบบสำรวจ” วิทยาการคอมพิวเตอร์ Procedia 113, 240–247 (2017)
https:///doi.org/10.1016/j.procs.2017.08.363

[15] ฮาริซ ซักกา มูฮัมหมัด, มูฮัมหมัด นัสรูน, คาซี เซเทียนิงซิห์ และมูฮัมหมัด อารี มูร์ติ “การรู้จำคำพูดสำหรับนักแปลภาษาอังกฤษเป็นภาษาอินโดนีเซียโดยใช้โมเดล Markov ที่ซ่อนอยู่” ในการประชุมนานาชาติเรื่องสัญญาณและระบบ (ICSigSys) ประจำปี 2018 หน้า 255–260. อีอีอี (2018)
https:///doi.org/10.1109/ICSIGSYS.2018.8372768

[16] เอริค แอล.แอล. ซอนแฮมเมอร์, กุนนาร์ วอน ไฮน์, แอนเดอร์ส โครห์ และคณะ “แบบจำลองมาร์คอฟที่ซ่อนอยู่สำหรับการทำนายเอนริเก้ของเมมเบรนในลำดับโปรตีน” ใน LSMB 1998 หน้า 175–182 (1998) URL: https:///cdn.aai.org/ISMB/1998/ISMB98-021.pdf.
https:///cdn.aaai.org/ISMB/1998/ISMB98-021.pdf

[17] แกรี่ ซี และจีนน์ เอ็ม แฟร์ “แบบจำลองมาร์คอฟที่ซ่อนอยู่: วิธีการตัวแทนที่สั้นที่สุดในการตรวจหาสารพิษของโปรตีน ปัจจัยความรุนแรง และยีนต้านทานยาปฏิชีวนะ” บันทึกการวิจัยของ BMC 14, 1–5 (2021)
https:///doi.org/10.21203/rs.3.rs-185430/v1

[18] ฌอน อาร์ เอ็ดดี้. “โมเดลมาร์คอฟที่ซ่อนอยู่คืออะไร” เทคโนโลยีชีวภาพธรรมชาติ 22, 1315–1316 (2004)
https:///doi.org/10.1038/nbt1004-1315

[19] พอล เอ็ม. แบ็กเกนสตอส. “อัลกอริธึม baum-welch ที่ได้รับการดัดแปลงสำหรับโมเดลมาร์คอฟที่ซ่อนอยู่พร้อมช่องสังเกตการณ์หลายช่อง” ธุรกรรม IEEE เกี่ยวกับการประมวลผลคำพูดและเสียง 9, 411–416 (2001)
https://doi.org/10.1109/89.917686

[20] อเล็กซานดาร์ คาฟซิช และ โชเซ่ เอ็มเอฟ มูร่า “อัลกอริธึม viterbi และหน่วยความจำเสียงมาร์คอฟ” ธุรกรรม IEEE เกี่ยวกับทฤษฎีสารสนเทศ 46, 291–301 (2000)
https://doi.org/10.1109/18.817531

[21] ท็อดด์ เค มูน. “อัลกอริธึมการคาดหวัง-สูงสุด” นิตยสารการประมวลผลสัญญาณ IEEE 13, 47–60 (1996)
https://doi.org/10.1109/79.543975

[22] อเล็กซ์ มอนราส, อัลมุท เบจ และคาโรไลน์ วีสเนอร์ “โมเดลควอนตัมมาร์คอฟที่ซ่อนอยู่และการอ่านค่าสถานะหลายส่วนแบบไม่ปรับตัว” (2010) arXiv:1002.2337.
arXiv: 1002.2337

[23] สิดดาร์ธ ศรีนิวาสัน, เจฟฟ์ กอร์ดอน และไบรอน บู๊ทส์ “การเรียนรู้แบบจำลองมาร์คอฟควอนตัมที่ซ่อนอยู่” ใน Amos Storkey และ Fernando Perez-Cruz บรรณาธิการ รายงานการประชุมนานาชาติเรื่องปัญญาประดิษฐ์และสถิติครั้งที่ 84 เล่มที่ 1979 ของการดำเนินการวิจัยการเรียนรู้ของเครื่อง หน้าปี 1987–2018 พีเอ็มแอลอาร์ (84) url: https:///proceedings.mlr.press/v18/srinivasanXNUMXa.html.
https:///proceedings.mlr.press/v84/srinivasan18a.html

[24] เฮอร์เบิร์ต เยเกอร์. “แบบจำลองตัวดำเนินการที่สังเกตได้สำหรับอนุกรมเวลาสุ่มแบบไม่ต่อเนื่อง” การคำนวณทางประสาท 12, 1371–1398 (2000)
https://doi.org/10.1162/089976600300015411

[25] ชิง หลิว, โธมัส เจ. เอลเลียต, เฟลิกซ์ ซี. บินเดอร์, คาร์โล ดิ ฟรังโก และไมล์ กู “การสร้างแบบจำลองสุ่มที่เหมาะสมที่สุดด้วยไดนามิกควอนตัมแบบรวม” ฟิสิกส์ ฉบับที่ 99, 062110 (2019)
https://doi.org/10.1103/PhysRevA.99.062110

[26] โธมัส เจ. เอลเลียต. “การบีบอัดหน่วยความจำและประสิทธิภาพเชิงความร้อนของการใช้งานควอนตัมของแบบจำลองมาร์คอฟที่ซ่อนอยู่แบบไม่กำหนด” การตรวจร่างกาย A 103, 052615 (2021)
https://doi.org/10.1103/PhysRevA.103.052615

[27] แซนเดช อธิการี, สิดดาร์ธ ศรีนิวาสัน, เจฟฟ์ กอร์ดอน และไบรอน บู๊ทส์ “การแสดงออกและการเรียนรู้ของแบบจำลองควอนตัมมาร์คอฟที่ซ่อนอยู่” ในการประชุมนานาชาติเรื่องปัญญาประดิษฐ์และสถิติ หน้า 4151–4161. (2020). url: http:///proceedings.mlr.press/v108/adhikary20a/adhikary20a.pdf.
http:///proceedings.mlr.press/v108/adhikary20a/adhikary20a.pdf

[28] ป๋อเจียงและหยูหงไต้ “กรอบการทำงานข้อจำกัดในการรักษาแผนการอัปเดตสำหรับการเพิ่มประสิทธิภาพบน Stiefel Manifold” การเขียนโปรแกรมทางคณิตศาสตร์ 153, 535–575 (2015)
https://doi.org/10.1007/s10107-014-0816-7

[29] วานิโอ มาร์คอฟ, วลาดิมีร์ ราสตินคอฟ, อามอล เดชมุกห์, แดเนียล ฟราย และชาร์ลี สเตฟานสกี้ “การนำไปใช้และการเรียนรู้แบบจำลองมาร์คอฟซ่อนเร้นควอนตัม” (2022) arXiv:2212.03796v2.
arXiv: 2212.03796v2

[30] เซียนเทา ลี่ และ ชุนห่าว หวัง “การจำลองระบบควอนตัมแบบเปิดมาร์โคเวียนโดยใช้การขยายอนุกรมลำดับที่สูงกว่า” (2022) arXiv:2212.02051v2.
arXiv: 2212.02051v2

[31] โยชิทากะ ทานิมูระ. “Stochastic Liouville, Langevin, Fokker–Planck และสมการหลักเข้าใกล้ระบบกระจายควอนตัม” วารสารสมาคมกายภาพแห่งญี่ปุ่น 75, 082001 (2006)
https://doi.org/10.1143/JPSJ.75.082001

[32] อากิฮิโตะ อิชิซากิ และเกรแฮม อาร์ เฟลมมิง “การรักษาแบบรวมศูนย์ของพลวัตควอนตัมที่สอดคล้องกันและไม่ต่อเนื่องกันในการถ่ายโอนพลังงานทางอิเล็กทรอนิกส์: วิธีสมการลำดับชั้นที่ลดลง” วารสารฟิสิกส์เคมี 130 (2009)
https://doi.org/10.1063/1.3155372

[33] จินซวง จิน, เซียว เจิ้ง และ ยี่จิง หยาน “พลศาสตร์ที่แน่นอนของระบบอิเล็กทรอนิกส์แบบกระจายและการขนส่งควอนตัม: สมการลำดับชั้นของแนวทางการเคลื่อนที่” วารสารฟิสิกส์เคมี 128 (2008).
https://doi.org/10.1063/1.2938087

[34] ลูอิส เอ คลาร์ก, เว่ย ฮวง, โธมัส เอ็ม. บาร์โลว์ และอัลมุต เบจ “แบบจำลองควอนตัมมาร์คอฟที่ซ่อนอยู่ และระบบควอนตัมแบบเปิดพร้อมการตอบสนองทันที” ใน ISCS 2014 การประชุมสหวิทยาการเรื่องระบบที่ซับซ้อน หน้า 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 และ YiJing Yan “แนวทางสมการควอนตัมต้นแบบเพื่อการขนส่งควอนตัมผ่านระบบ mesoscopic” การทบทวนทางกายภาพ B 71, 205304 (2005)
https://doi.org/10.1103/PhysRevB.71.205304

[36] Michael J Kastoryano, Fernando GSL Brandão, András Gilyén และคณะ “การเตรียมสถานะความร้อนควอนตัม” (2023) arXiv:2303.18224.
arXiv: 2303.18224

[37] หมิงเจี๋ย จ้าว และ เฮอร์เบิร์ต เยเกอร์ “โมเดลผู้ปฏิบัติงานที่สังเกตได้ตามปกติ” การคำนวณทางประสาท 22, 1927–1959 (2010)
https:///doi.org/10.1162/neco.2010.03-09-983

[38] สันเดช อธิการี, สิดดาร์ธ ศรีนิวาสัน และไบรอน บู๊ทส์ “การเรียนรู้แบบจำลองกราฟิกควอนตัมโดยใช้การไล่ระดับสีแบบจำกัดบนท่อร่วมสตีเฟล” (2019) arXiv:2101.08448v1.
arXiv: 2101.08448v1

[39] MS Vijayabaskar David R. Westhead บรรณาธิการ “โมเดลมาร์คอฟที่ซ่อนอยู่” เล่มที่ 2 หน้า 18 Humana New York, NY (2017)
https://doi.org/10.1007/978-1-4939-6753-7

อ้างโดย

บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา

เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
ที่มา: https://quantum-journal.org/papers/q-2024-01-24-1232/

ประทับเวลา: January 24, 2024

ประทับเวลา: กรกฎาคม 12, 2023

เผยแพร่ซ้ำโดยเพลโต

นามธรรม

สรุปยอดนิยม

► ข้อมูล BibTeX

► ข้อมูลอ้างอิง

อ้างโดย

เพิ่มเติมจาก วารสารควอนตัม

การวัดพลังงานยังคงเหมาะสมที่สุดทางเทอร์โมเมตริก นอกเหนือจากการเชื่อมต่อแบบอ่อน

รอยแผลเป็นจากร่างกายควอนตัมที่แข็งแกร่งในทฤษฎีแลตทิซเกจ

การปรับให้เหมาะสมตามสถานะเริ่มต้นของการทำงานของประตูควบคุมด้วยควอนตัมคอมพิวเตอร์

รหัสพื้นผิวการวัดคู่บนรูปห้าเหลี่ยม

MQT Bench: ซอฟต์แวร์เปรียบเทียบและออกแบบเครื่องมืออัตโนมัติสำหรับคอมพิวเตอร์ควอนตัม

การออกแบบช่องควอนตัมที่เกิดจาก Diagonal Gates

ตัวเร่งการเตรียมสถานะสำหรับการคำนวณควอนตัมที่ทนต่อข้อผิดพลาดได้ก่อนกำหนด

ลายเซ็นของการเปลี่ยนเฟสของจุดพิเศษในระบบ Hermitian

การประมวลผลควอนตัมแบบกระจายแบบทวิภาคีที่มีประสิทธิภาพในการพัวพัน

เซตย่อยที่ถูกจำกัดตามธรรมชาติของความสัมพันธ์แบบไม่มีสัญญาณ: ความปกติและการบรรจบกัน

อัลกอริทึม Quantum Goemans-Williamson พร้อมการทดสอบ Hadamard และข้อจำกัดแอมพลิจูดโดยประมาณ

เกี่ยวกับเรา

การค้นหาแนวตั้ง & Ai

ระบบปฏิบัติการ

การติดต่อ

ลงชื่อเข้าใช้