اکسپرس 24
ترجمه فارسی مقاله مونتاژ همیلتونی متوالی: بهبود آموزش مسائل بهینه‌سازی ترکیبی در رایانه‌های کوانتومی

ترجمه فارسی مقاله مونتاژ همیلتونی متوالی: بهبود آموزش مسائل بهینه‌سازی ترکیبی در رایانه‌های کوانتومی

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 Sequential Hamiltonian Assembly: Enhancing the training of combinatorial optimization problems on quantum computers
عنوان مقاله به فارسی مونتاژ همیلتونی متوالی: بهبود آموزش مسائل بهینه‌سازی ترکیبی در رایانه‌های کوانتومی
نویسندگان Navid Roshani, Jonas Stein, Maximilian Zorn, Michael Kölle, Philipp Altmann, Claudia Linnhoff-Popien
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
دسته بندی موضوعات Quantum Physics,Emerging Technologies,فیزیک کوانتومی , فن آوری های نوظهور ,
توضیحات Submitted 8 August, 2024; originally announced August 2024. , Comments: This is an extended version of our previously published article arXiv:2312.05552, additionally providing a new partitioning strategy, a new merger between QAOA and SHA, and an evaluation of SHA in the Max-Cut optimization problem
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا در اوت 2024 اعلام شد. ، نظرات: این یک نسخه گسترده از مقاله قبلی منتشر شده ما Arxiv است: 2312.05552 ، علاوه بر این یک استراتژی جدید پارتیشن بندی ، یک ادغام جدید بین QaoA و SHA و ارزیابی SHA در مشکل بهینه سازی حداکثر برش

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 840,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 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

A central challenge in quantum machine learning is the design and training of parameterized quantum circuits (PQCs). Much like in deep learning, vanishing gradients pose significant obstacles to the trainability of PQCs, arising from various sources. One such source is the presence of non-local loss functions, which require the measurement of a large subset of qubits involved. To address this issue and facilitate parameter training for quantum applications using global loss functions, we propose Sequential Hamiltonian Assembly (SHA). SHA iteratively approximates the loss by assembling it from local components. To further demonstrate the feasibility of our approach, we extend our previous case study by introducing a new partitioning strategy, a new merger between QAOA and SHA, and an evaluation of SHA onto the Max-Cut optimization problem. Simulation results show that SHA outperforms conventional parameter training by 43.89% and the empirical state-of-the-art, Layer-VQE by 29.08% in the mean accuracy for Max-Cut. This paves the way for locality-aware learning techniques, mitigating vanishing gradients for a large class of practically relevant problems.

چکیده به فارسی (ترجمه ماشینی)

یک چالش اصلی در یادگیری ماشین کوانتومی طراحی و آموزش مدارهای کوانتومی پارامتری (PQC) است.تقریباً مانند یادگیری عمیق ، شیب های ناپدید شده موانع مهمی در قابلیت آموزش PQC ها ایجاد می کنند که ناشی از منابع مختلف است.یکی از این منابع ، وجود توابع از دست دادن غیر محلی است که نیاز به اندازه گیری زیر مجموعه بزرگی از Qubits درگیر دارد.برای پرداختن به این مسئله و تسهیل آموزش پارامتر برای برنامه های کوانتومی با استفاده از توابع از دست دادن جهانی ، ما مونتاژ پی در پی همیلتون (SHA) را پیشنهاد می کنیم.sha با مونتاژ آن از مؤلفه های محلی ، ضرر را به طور تکراری تقریب می دهد.برای نشان دادن بیشتر امکان سنجی رویکرد ما ، ما با معرفی یک استراتژی پارتیشن بندی جدید ، ادغام جدید بین QaoA و SHA و ارزیابی SHA بر روی مشکل بهینه سازی حداکثر ، مطالعه موردی قبلی خود را گسترش می دهیم.نتایج شبیه سازی نشان می دهد که SHA از آموزش پارامتر معمولی 43.89 ٪ و پیشرفته ترین تجربی ، لایه-VQE با 29.08 ٪ در میانگین دقت برای حداکثر برش عمل می کند.این امر راه را برای تکنیک های یادگیری آگاه و آگاه ، هموار می کند و شیب های ناپدید شدن را برای یک طبقه بزرگ از مشکلات عملا مرتبط کاهش می دهد.

📚 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.