1Szkoła Informatyki i Inżynierii Oprogramowania, Uniwersytet Nauk Elektronicznych i Technologii Chin, Cheng Du, 610054, Chiny
2Szkoła Fizyki, Uniwersytet Nauk Elektronicznych i Technologii Chin, Cheng Du, 610054, Chiny
3Instytut Elektroniki i Technologii Przemysłu Informacyjnego w Kash, Kash, 844000, Chiny
4Szkoła Informatyki i Inżynierii, Uniwersytet Nauk Elektronicznych i Technologii Chin, Cheng Du, 610054, Chiny
Czy ten artykuł jest interesujący czy chcesz dyskutować? Napisz lub zostaw komentarz do SciRate.
Abstrakcyjny
Ukryty kwantowy model Markowa (HQMM) ma znaczny potencjał w zakresie analizowania danych szeregów czasowych i badania procesów stochastycznych w domenie kwantowej jako opcja modernizacji posiadająca potencjalną przewagę nad klasycznymi modelami Markowa. W tym artykule wprowadziliśmy rozdzielony HQMM (SHQMM) do implementacji ukrytego kwantowego procesu Markowa, wykorzystując warunkowe równanie główne z warunkiem dokładnej równowagi, aby zademonstrować wzajemne powiązania między stanami wewnętrznymi układu kwantowego. Wyniki eksperymentów sugerują, że nasz model przewyższa poprzednie modele pod względem zakresu zastosowań i wytrzymałości. Dodatkowo ustanawiamy nowy algorytm uczenia się do rozwiązywania parametrów w HQMM poprzez powiązanie kwantowego warunkowego równania głównego z HQMM. Wreszcie nasze badanie dostarcza wyraźnych dowodów na to, że kwantowy system transportu można uznać za fizyczną reprezentację HQMM. SHQMM wraz z towarzyszącymi mu algorytmami stanowi nowatorską metodę analizy układów kwantowych i szeregów czasowych opartą na implementacji fizycznej.
Popularne podsumowanie
► Dane BibTeX
► Referencje
[1] Juan I Cirac i Peter Zoller. „Obliczenia kwantowe z jonami uwięzionymi na zimno”. Listy z przeglądu fizycznego 74, 4091 (1995).
https: / / doi.org/ 10.1103 / physrevlett.74.4091
[2] Emanuel Knill, Raymond Laflamme i Gerald J. Milburn. „Schemat wydajnych obliczeń kwantowych z optyką liniową”. natura 409, 46–52 (2001).
https: / / doi.org/ 10.1038 / 35051009
[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe i Seth Lloyd. „Kwantowe uczenie maszynowe”. Przyroda 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474
[4] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Łukasz Cincio i Patrick J. Coles. „Wyzwania i możliwości uczenia maszynowego kwantowego”. 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 i in. „Zaszumione algorytmy kwantowe średniej skali (nisq) (2021)” (2021). arXiv:2101.08448v1.
arXiv: 2101.08448v1
[6] Alán Aspuru-Guzik, Roland Lindh i Markus Reiher. „Symulacja (r)ewolucji materii”. ACS central science 4, 144–152 (2018).
https:///doi.org/10.1021/acscentsci.7b00550
[7] Iulia M. Georgescu, Sahel Ashhab i Franco Nori. „Symulacja kwantowa”. Recenzje Modern Physics 86, 153 (2014).
https: / / doi.org/ 10.1103 / RevModPhys.86.153
[8] Markus Reiher, Nathan Wiebe, Krysta M Svore, Dave Wecker i Matthias Troyer. „Wyjaśnienie mechanizmów reakcji na komputerach kwantowych”. Materiały Narodowej Akademii Nauk 114, 7555–7560 (2017).
https: / / doi.org/ 10.1073 / pnas.1619152114
[9] Yudong Cao, Jhonathan Romero i Alán Aspuru-Guzik. „Potencjał obliczeń kwantowych do odkrywania leków”. IBM Journal of Research and Development 62, 6-1 (2018).
https: // doi.org/ 10.1147 / JRD.2018.2888987
[10] Romana Orusa, Samuela Mugela i Enrique Lizaso. „Obliczenia kwantowe dla finansów: przegląd i perspektywy”. Recenzje w Fizyka 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028
[11] Pierre-Luc Dallaire-Demers, Jonathan Romero, Libor Veis, Sukin Sim i Alán Aspuru-Guzik. „Ansatz obwodu o małej głębokości do przygotowania skorelowanych stanów fermionowych na komputerze kwantowym”. Kwantowa nauka i technologia 4, 045005 (2019).
https: / / doi.org/ 10.1088 / 2058-9565 / ab3951
[12] Elizabeth Fons, Paula Dawson, Jeffrey Yau, Xiao-jun Zeng i John Keane. „Nowatorski system dynamicznej alokacji aktywów wykorzystujący modele Markowa z ukrytymi cechami do inteligentnego inwestowania w wersję beta”. Systemy ekspertowe z aplikacjami 163, 113720 (2021).
https:///doi.org/10.1016/j.eswa.2020.113720
[13] PV Chandrika, K Visalakshmi i K Sakthi Srinivasan. „Zastosowanie ukrytych modeli Markowa w obrocie akcjami”. W 2020 r. 6. Międzynarodowa Konferencja na temat Zaawansowanych Systemów Obliczeniowych i Komunikacyjnych (ICACCS). Strony 1144–1147. (2020).
https:///doi.org/10.1109/ICACCS48705.2020.9074387
[14] Dima Suleiman, Arafat Awajan i Wael Al Etaiwi. „Wykorzystanie ukrytego modelu Markowa w przetwarzaniu naturalnego języka arabskiego: ankieta”. Procedia informatyka 113, 240–247 (2017).
https:///doi.org/10.1016/j.procs.2017.08.363
[15] Hariz Zakka Muhammad, Muhammad Nasrun, Casi Setianingsih i Muhammad Ary Murti. „Rozpoznawanie mowy dla tłumacza z języka angielskiego na indonezyjski przy użyciu ukrytego modelu Markowa”. W 2018 r. Międzynarodowa Konferencja na temat Sygnałów i Systemów (ICSigSys). Strony 255–260. IEEE (2018).
https:///doi.org/10.1109/ICSIGSYS.2018.8372768
[16] Erik LL Sonnhammer, Gunnar Von Heijne, Anders Krogh i in. „Ukryty model Markowa do przewidywania helis transbłonowych w sekwencjach białkowych”. W LSMB 1998. Strony 175–182. (1998). adres URL: https:///cdn.aaai.org/ISMB/1998/ISMB98-021.pdf.
https:///cdn.aaai.org/ISMB/1998/ISMB98-021.pdf
[17] Gary Xie i Jeanne M Fair. „Ukryty model Markowa: najkrótsze unikalne reprezentatywne podejście do wykrywania toksyn białkowych, czynników zjadliwości i genów oporności na antybiotyki”. BMC Research Notes 14, 1–5 (2021).
https:///doi.org/10.21203/rs.3.rs-185430/v1
https:///doi.org/10.1038/nbt1004-1315
[19] Paweł M. Baggenstoss. „Zmodyfikowany algorytm Bauma-Welcha dla ukrytych modeli Markowa z wieloma przestrzeniami obserwacyjnymi”. IEEE Transakcje dotyczące przetwarzania mowy i dźwięku 9, 411–416 (2001).
https: / / doi.org/ 10.1109 / 89.917686
[20] Aleksandar Kavcic i Jose MF Moura. „Algorytm Viterbiego i pamięć szumu Markowa”. IEEE Transakcje dotyczące teorii informacji 46, 291–301 (2000).
https: / / doi.org/ 10.1109 / 18.817531
[21] Todda K. Moona. „Algorytm maksymalizacji oczekiwań”. Magazyn IEEE dotyczący przetwarzania sygnałów 13, 47–60 (1996).
https: / / doi.org/ 10.1109 / 79.543975
[22] Alex Monras, Almut Beige i Karoline Wiesner. „Ukryte kwantowe modele Markowa i nieadaptacyjny odczyt stanów wielu ciał” (2010). arXiv:1002.2337.
arXiv: 1002.2337
[23] Siddarth Srinivasan, Geoff Gordon i Byron Boots. „Nauka ukrytych kwantowych modeli Markowa”. W: Amos Storkey i Fernando Perez-Cruz, redaktorzy, Proceedings of the Twenty-First International Conference on Artificial Intelligence and Statistics. Tom 84 Proceedings of Machine Learning Research, strony 1979–1987. PMLR (2018). adres URL: https:///proceedings.mlr.press/v84/srinivasan18a.html.
https:///proceedings.mlr.press/v84/srinivasan18a.html
[24] Herberta Jaegera. „Obserwowalne modele operatorowe dla dyskretnych stochastycznych szeregów czasowych”. Obliczenia neuronowe 12, 1371–1398 (2000).
https: / / doi.org/ 10.1162 / 089976600300015411
[25] Qing Liu, Thomas J. Elliott, Felix C. Binder, Carlo Di Franco i Mile Gu. „Optymalne modelowanie stochastyczne z jednostkową dynamiką kwantową”. Fiz. Rev. A 99, 062110 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062110
[26] Thomasa J. Elliotta. „Kompresja pamięci i wydajność cieplna kwantowych implementacji niedeterministycznych ukrytych modeli Markowa”. Przegląd fizyczny A 103, 052615 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.052615
[27] Sandesh Adhikary, Siddarth Srinivasan, Geoff Gordon i Byron Boots. „Ekspresja i uczenie się ukrytych kwantowych modeli Markowa”. Na Międzynarodowej Konferencji na temat sztucznej inteligencji i statystyki. Strony 4151–4161. (2020). adres URL: http:///proceedings.mlr.press/v108/adhikary20a/adhikary20a.pdf.
http:///proceedings.mlr.press/v108/adhikary20a/adhikary20a.pdf
[28] Bo Jiang i Yu-Hong Dai. „Struktura schematów aktualizacji zachowujących ograniczenia w celu optymalizacji rozmaitości Stiefela”. Programowanie matematyczne 153, 535–575 (2015).
https://doi.org/10.1007/s10107-014-0816-7
[29] Vanio Markov, Vladimir Rastunkov, Amol Deshmukh, Daniel Fry i Charlee Stefański. „Implementacja i nauka kwantowych ukrytych modeli Markowa” (2022). arXiv:2212.03796v2.
arXiv: 2212.03796v2
[30] Xiantao Li i Chunhao Wang. „Symulowanie otwartych układów kwantowych Markowa z wykorzystaniem rozwinięcia szeregów wyższego rzędu” (2022). arXiv:2212.02051v2.
arXiv: 2212.02051v2
[31] Yoshitaka Tanimura. „Stochastyczny Liouville, Langevin, Fokker – Planck i podejścia do równań głównych do układów rozpraszających kwantowo”. Dziennik Towarzystwa Fizycznego Japonii 75, 082001 (2006).
https: / / doi.org/ 10.1143 / JPSJ.75.082001
[32] Akihito Ishizakiego i Grahama R. Fleminga. „Ujednolicone podejście do kwantowej spójnej i niespójnej dynamiki przeskakiwania w elektronicznym transferze energii: podejście oparte na równaniu zredukowanej hierarchii”. The Journal of Chemical Physics 130 (2009).
https: / / doi.org/ 10.1063 / 1.3155372
[33] Jinshuang Jin, Xiao Zheng i YiJing Yan. „Dokładna dynamika rozpraszających układów elektronicznych i transportu kwantowego: podejście hierarchiczne równania ruchu”. The Journal of Chemical Physics 128 (2008).
https: / / doi.org/ 10.1063 / 1.2938087
[34] Lewis A Clark, Wei Huang, Thomas M. Barlow i Almut Beige. „Ukryte kwantowe modele Markowa i otwarte układy kwantowe z natychmiastowym sprzężeniem zwrotnym”. Podczas interdyscyplinarnego sympozjum dotyczącego systemów złożonych ISCS 2014. Strony 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 i YiJing Yan. „Podejście oparte na głównych równaniach kwantowych do transportu kwantowego w układach mezoskopowych”. Przegląd fizyczny B 71, 205304 (2005).
https: / / doi.org/ 10.1103 / PhysRevB.71.205304
[36] Michael J. Kastoryano, Fernando GSL Brandão, András Gilyén i in. „Kwantowe przygotowanie stanu termicznego” (2023). arXiv:2303.18224.
arXiv: 2303.18224
[37] Ming-Jie Zhao i Herberta Jaegera. „Normalnie obserwowalne modele operatorowe”. Obliczenia neuronowe 22, 1927–1959 (2010).
https:///doi.org/10.1162/neco.2010.03-09-983
[38] Sandesh Adhikary, Siddarth Srinivasan i Byron Boots. „Nauka kwantowych modeli graficznych z wykorzystaniem ograniczonego spadku gradientu na rozmaitości Stiefela” (2019). arXiv:2101.08448v1.
arXiv: 2101.08448v1
Cytowany przez
Niniejszy artykuł opublikowano w Quantum pod Creative Commons Uznanie autorstwa 4.0 Międzynarodowe (CC BY 4.0) licencja. Prawa autorskie należą do pierwotnych właścicieli praw autorskich, takich jak autorzy lub ich instytucje.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://quantum-journal.org/papers/q-2024-01-24-1232/