ترجمه فارسی مقاله خطای عمومی سازی محدود به یادگیری ماشین کوانتومی در دوره NISQ - یک نظرسنجی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Generalization Error Bound for Quantum Machine Learning in NISQ Era -- A Survey
عنوان مقاله به فارسی خطای عمومی سازی محدود به یادگیری ماشین کوانتومی در دوره NISQ - یک نظرسنجی
نویسندگان Bikram Khanal, Pablo Rivas, Arun Sanjel, Korn Sooksatra, Ernesto Quevedo, Alejandro Rodriguez
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Quantum Physics,Computational Complexity,Machine Learning,فیزیک کوانتومی , پیچیدگی محاسباتی , یادگیری ماشین ,
توضیحات Submitted 11 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Despite the mounting anticipation for the quantum revolution, the success of Quantum Machine Learning (QML) in the Noisy Intermediate-Scale Quantum (NISQ) era hinges on a largely unexplored factor: the generalization error bound, a cornerstone of robust and reliable machine learning models. Current QML research, while exploring novel algorithms and applications extensively, is predominantly situated in the context of noise-free, ideal quantum computers. However, Quantum Circuit (QC) operations in NISQ-era devices are susceptible to various noise sources and errors. In this article, we conduct a Systematic Mapping Study (SMS) to explore the state-of-the-art generalization bound for supervised QML in NISQ-era and analyze the latest practices in the field. Our study systematically summarizes the existing computational platforms with quantum hardware, datasets, optimization techniques, and the common properties of the bounds found in the literature. We further present the performance accuracy of various approaches in classical benchmark datasets like the MNIST and IRIS datasets. The SMS also highlights the limitations and challenges in QML in the NISQ era and discusses future research directions to advance the field. Using a detailed Boolean operators query in five reliable indexers, we collected 544 papers and filtered them to a small set of 37 relevant articles. This filtration was done following the best practice of SMS with well-defined research questions and inclusion and exclusion criteria.

چکیده به فارسی (ترجمه ماشینی)

علیرغم پیش بینی پیش بینی انقلاب کوانتومی ، موفقیت یادگیری ماشین کوانتومی (QML) در دوران کوانتومی در مقیاس متوسط ​​(NISQ) به یک عامل عمدتاً ناشناخته وابسته است: خطای عمومی سازی محدود ، سنگ بنای مدل های یادگیری ماشین قوی و قابل اعتمادبشرتحقیقات QML فعلی ، ضمن بررسی الگوریتم های جدید و برنامه های کاربردی به طور گسترده ، عمدتاً در زمینه رایانه های کوانتومی بدون سر و صدا و بدون سر و صدا قرار دارد.با این حال ، عملیات مدار کوانتومی (QC) در دستگاه های NISQ در دستگاه های مختلف و سر و صدای مختلف مستعد هستند.در این مقاله ، ما یک مطالعه نقشه برداری سیستماتیک (SMS) را انجام می دهیم تا تعمیم پیشرفته ای را برای QML تحت نظارت در دوران NISQ مورد بررسی قرار دهیم و آخرین شیوه های موجود در این زمینه را تجزیه و تحلیل کنیم.مطالعه ما به طور سیستماتیک سیستم عامل های محاسباتی موجود را با سخت افزار کوانتومی ، مجموعه داده ها ، تکنیک های بهینه سازی و خصوصیات مشترک مرزهای موجود در ادبیات خلاصه می کند.ما همچنین دقت عملکرد رویکردهای مختلف را در مجموعه داده های معیار کلاسیک مانند مجموعه داده های MNIST و IRIS ارائه می دهیم.پیام کوتاه همچنین محدودیت ها و چالش های QML در دوران NISQ را برجسته می کند و در مورد مسیرهای تحقیق آینده برای پیشبرد این زمینه بحث می کند.با استفاده از یک پرس و جو از اپراتورهای بولی مفصل در پنج شاخص قابل اعتماد ، ما 544 مقاله جمع آوری کردیم و آنها را به مجموعه کوچکی از 37 مقاله مربوطه فیلتر کردیم.این فیلتراسیون به دنبال بهترین عمل پیام کوتاه با سؤالات تحقیق به خوبی تعریف شده و معیارهای ورود و محرومیت انجام شد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.