arrow
返回

Generating quantum reservoir state representations with random matrices

delete2025-03-24
delete0
delete
OA
AI
S
Samuel Tovey
S
Spannowsky, Michael
DOI:10.1088/2632-2153/adc0e2delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
我们提出了一种利用随机矩阵进行储层计算测量的新方法。这样做是为了说明原子级器件如何用于实际计算应用。我们的方法使用随机矩阵来构建储层测量,引入了一种简单且可扩展的状态表示生成方式。在研究中,两种储层——一个由五个原子构成的Heisenberg自旋链和一个五个量子比特的量子电路——执行时间序列预测和数据插值任务。本文详细讨论了测量技术的性能和当前局限性,并探讨了随机矩阵所提供的测量多样性。此外,我们还研究了储层参数(如耦合强度和测量维度)的作用,为这些学习机器如何针对不同问题进行自动调优提供了见解。这项研究突出了使用随机矩阵测量简单量子储层以构建自然学习器件的应用,并概述了提升其性能和实验实现前景的路径。
Keyword:
quantum reservoir computing
quantum reservoir measurements
time series prediction
reservoir computing
quantum state representations

期刊

M
Machine Learning-Science and Technology
IF:
4.6
论文数:
1.1K
被引数:
3.4K

机构

暂无机构信息
引用论文

引用论文

Scalable reservoir computing on coherent linear photonic processor
err2021-02-10
err109
errOAAI
errNakajima, Mitsumasa; Tanaka, Kenji; Hashimoto, Toshikazu
err分享
err收藏
Reservoir computing with swarms
err2021-03-08
err0
errOAAI
errThomas Lymburn; Shannon D. Algar; Michael Small; Thomas Jüngling
err分享
err收藏
Potential and limitations of quantum extreme learning machines
err2023-05-25
err14
errOAAI
errInnocenti, L.; Lorenzo, S.; Palmisano, I.; Ferraro, A.; Paternostro, M.; Palma, G. M.
err分享
err收藏
Random-matrix theories in quantum physics: common concepts
err1998-06-01
err0
errOAAI
errThomas Guhr; Axel Müller–Groeling; Hans A. Weidenmüller
err分享
err收藏
Supervised learning with quantum-enhanced feature spaces
err2019-03-13
err0
errOAAI
errVojtěch Havlíček; Antonio D. Córcoles; Kristan Temme; Aram W. Harrow; Abhinav Kandala; Jerry M. Chow; Jay M. Gambetta
err分享
err收藏
Recent advances in physical reservoir computing: A review物理储层计算的最新进展: 综述
err2019-07-01
err1.2K
errOAAI
errTanaka, Gouhei; Yamane, Toshiyuki; Heroux, Jean Benoit; Nakane, Ryosho; Kanazawa, Naoki; Takeda, Seiji; Numata, Hidetoshi; Nakano, Daiju; Hirose, Akira
err分享
err收藏
学者 查看更多内容