nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Support for High-Level Quantum Bayesian Inference

verfasst von : Marcin Przewięźlikowski, Michał Grabowski, Dariusz Kurzyk, Katarzyna Rycerz

Erschienen in: Computational Science – ICCS 2019

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper, we present AcausalNets.jl - a library supporting inference in a quantum generalization of Bayesian networks and their application to quantum games. The proposed solution is based on modern approach to numerical computing provided by Julia language. The library provides a high-level functions for Bayesian inference that can be applied to both classical and quantum Bayesian networks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Energy Efficiency Evaluation of Distributed Systems

Nächstes Kapitel Financial Time Series: Motif Discovery and Analysis Using VALMOD

https://github.com/sisl/BayesNets.jl.

https://github.com/mikegpl/AcausalNets.jl.

https://github.com/mikegpl/AcausalNets.jl/tree/master/notebooks.

https://jupyter.org.

Bezanson, J., Edelman, A., Karpinski, S., Shah, V.: Julia: a fresh approach to numerical computing. SIAM Rev. 59(1), 65–98 (2017). https://doi.org/10.1137/141000671MathSciNetCrossRefMATH

Eisert, J., Wilkens, M., Lewenstein, M.: Quantum games and quantum strategies. Phys. Rev. Lett. 83, 3077–3080 (1999). https://doi.org/10.1103/PhysRevLett.83.3077MathSciNetCrossRefMATH

Gawron, P., Kurzyk, D., Pawela, Ł.: QuantumInformation.jl–a Julia package for numerical computation in quantum information theory. PLOS ONE 13(12), e0209358 (2018). https://doi.org/10.1371/journal.pone.0209358CrossRef

Huang, C., Darwiche, A.: Inference in belief networks: a procedural guide. Int. J. Approx. Reason. 15(3), 225–263 (1996). https://doi.org/10.1016/S0888-613X(96)00069-2. http://www.sciencedirect.com/science/article/pii/S0888613X96000692MathSciNetCrossRefMATH

Kurzyk, D., Glos, A.: Quantum inferring acausal structures and the monty hall problem. Quantum Inf. Process. 15(12), 4927–4937 (2016). https://doi.org/10.1007/s11128-016-1431-8MathSciNetCrossRefMATH

Kwisthout, J.: Lecture notes: computational complexity of Bayesian networks (2015)

Leifer, M.S., Spekkens, R.W.: Towards a formulation of quantum theory as a causally neutral theory of Bayesian inference. Phys. Rev. A 88, 052130 (2013). https://doi.org/10.1103/PhysRevA.88.052130CrossRef

Leifer, M., Poulin, D.: Quantum graphical models and belief propagation. Annals Phys. 323(8), 1899–1946 (2008). https://doi.org/10.1016/j.aop.2007.10.001MathSciNetCrossRefMATH

Meyer, D.A.: Quantum strategies. Phys. Rev. Lett. 82, 1052–1055 (1999). https://doi.org/10.1103/PhysRevLett.82.1052MathSciNetCrossRefMATH

10.

Yedidia, J.S., Freeman, W.T., Weiss, Y.: Understanding belief propagation and its generalizations. In: Exploring Artificial Intelligence in the New Millennium, pp. 239–269. Morgan Kaufmann Publishers Inc., San Francisco (2003). http://dl.acm.org/citation.cfm?id=779343.779352

Titel: Support for High-Level Quantum Bayesian Inference
verfasst von: Marcin Przewięźlikowski
Michał Grabowski
Dariusz Kurzyk
Katarzyna Rycerz
Verlag: Springer International Publishing
Buch: Computational Science – ICCS 2019
Print ISBN: 978-3-030-22749-4

Electronic ISBN: 978-3-030-22750-0

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-030-22750-0_76

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner