論文の概要: On quantum ensembles of quantum classifiers
- arxiv url: http://arxiv.org/abs/2001.10833v1
- Date: Wed, 29 Jan 2020 13:46:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 06:52:43.571913
- Title: On quantum ensembles of quantum classifiers
- Title（参考訳）: 量子分類器の量子アンサンブルについて
- Authors: Amira Abbas, Maria Schuld, Francesco Petruccione
- Abstract要約: 量子機械学習は、量子コンピュータの根底にある性質を利用して機械学習技術を強化する。
量子分類器の量子アンサンブルの具体的な実装は、精度重み付き量子アンサンブルと呼ばれ、完全に量子化することができる。
一方、一般的な量子アンサンブルフレームワークは、特に量子スピードアップを提供する有名なDeutsch-Jozsaアルゴリズムを含むことが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum machine learning seeks to exploit the underlying nature of a quantum
computer to enhance machine learning techniques. A particular framework uses
the quantum property of superposition to store sets of parameters, thereby
creating an ensemble of quantum classifiers that may be computed in parallel.
The idea stems from classical ensemble methods where one attempts to build a
stronger model by averaging the results from many different models. In this
work, we demonstrate that a specific implementation of the quantum ensemble of
quantum classifiers, called the accuracy-weighted quantum ensemble, can be
fully dequantised. On the other hand, the general quantum ensemble framework is
shown to contain the well-known Deutsch-Jozsa algorithm that notably provides a
quantum speedup and creates the potential for a useful quantum ensemble to
harness this computational advantage.
- Abstract（参考訳）: 量子機械学習は、量子コンピュータの根底にある性質を利用して機械学習技術を強化する。
特定のフレームワークは重ね合わせの量子的性質を使ってパラメータの集合を格納し、並列に計算できる量子分類器の集合を生成する。
このアイデアは、多くの異なるモデルの結果を平均することでより強力なモデルを構築しようとする古典的なアンサンブル手法に由来する。
本研究では,精度重み付き量子アンサンブルと呼ばれる量子分類器の量子アンサンブルの具体的実装が完全に非等化可能であることを示す。
一方、一般的な量子アンサンブルフレームワークは、よく知られたDeutsch-Jozsaアルゴリズムを含んでおり、特に量子スピードアップを提供し、この計算の利点を利用するのに有用な量子アンサンブルのポテンシャルを生み出す。
関連論文リスト
- The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2022-06-28T16:23:24Z) - Pattern capacity of a single quantum perceptron [0.0]
量子機械学習の最近の進歩は、古典的なパーセプトロンを量子状態に一般化するモデルがいくつか導入されている。
ここでは、連続変数量子システムを用いて実現された量子パーセプトロンの特定のモデルのパターンキャパシティを計算するための統計物理学的手法を用いる。
論文 参考訳（メタデータ） (2021-12-19T10:57:08Z) - A prototype of quantum von Neumann architecture [0.0]
我々は、フォン・ノイマンアーキテクチャの量子バージョンである普遍量子コンピュータシステムのモデルを提案する。
量子メモリユニットの要素としてebitを使用し、量子制御ユニットと処理ユニットの要素としてqubitを使用する。
本研究は,量子情報の多様体パワーを実証し,量子コンピュータシステム構築の道を開くものである。
論文 参考訳（メタデータ） (2021-12-17T06:33:31Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳（メタデータ） (2021-08-30T23:50:05Z) - Characterizing quantum ensemble using geometric measure of quantum
coherence [1.5630592429258865]
量子アンサンブルのための量子性量子化器を提案する。
量子性のボナフィド測度に必要な公理を満たす。
いくつかのよく知られたアンサンブルの量子性を計算する。
論文 参考訳（メタデータ） (2021-04-19T07:37:27Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Quantum ensemble of trained classifiers [2.048335092363436]
量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。
量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
論文 参考訳（メタデータ） (2020-07-18T01:01:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。