Implementing An Artificial Quantum Perceptron

要約

パーセプトロンは、ニューラルネットワークの基本的な構成要素です。
Perceptronの柔軟性とスケーラビリティにより、インテリジェントシステムの構築に遍在します。
研究は、知的な決定を下す際に単一のニューロンの有効性を示しています。
ここでは、2つのパーセプロンを明確なメカニズムで調べて比較し、それらのパーセプロンの1つの量子バージョンを開発しました。
このモデリングの一環として、人工知覚のために量子回路を実装し、データセットを生成し、トレーニングをシミュレートしました。
これらの実験を通じて、指数関数的な成長の優位性があり、さまざまなqubitバージョンをテストすることが示されます。
私たちの調査結果は、個々のパーセプトロンのこの量子モデルをパターン分類器として使用できることを示しています。
2番目のタイプのモデルについては、スパイク依存の量子パーセプトロンを設計およびシミュレートすることを理解します。
私たちのコードは、https：//github.com/ashutosh1919/quantum-perceptronで入手できます

要約(オリジナル)

A Perceptron is a fundamental building block of a neural network. The flexibility and scalability of perceptron make it ubiquitous in building intelligent systems. Studies have shown the efficacy of a single neuron in making intelligent decisions. Here, we examined and compared two perceptrons with distinct mechanisms, and developed a quantum version of one of those perceptrons. As a part of this modeling, we implemented the quantum circuit for an artificial perception, generated a dataset, and simulated the training. Through these experiments, we show that there is an exponential growth advantage and test different qubit versions. Our findings show that this quantum model of an individual perceptron can be used as a pattern classifier. For the second type of model, we provide an understanding to design and simulate a spike-dependent quantum perceptron. Our code is available at https://github.com/ashutosh1919/quantum-perceptron

arxiv情報

提供元, 利用サービス

arxiv.jp, Google