Fugu-MT 論文翻訳(概要): No Free Lunch for Quantum Machine Learning

論文の概要: No Free Lunch for Quantum Machine Learning

arxiv url: http://arxiv.org/abs/2003.14103v1
Date: Tue, 31 Mar 2020 11:19:41 GMT
ステータス: 処理完了
システム内更新日: 2023-05-27 07:51:22.061534
Title: No Free Lunch for Quantum Machine Learning
Title（参考訳）: 量子機械学習のための無料ランチなし
Authors: Kyle Poland, Kerstin Beer, Tobias J. Osborne
Abstract要約: 量子学習アルゴリズムの量子リスクは、ペアとユニタリの平均的な入力状態と出力状態によってトレーニングされる。
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: The ultimate limits for the quantum machine learning of quantum data are investigated by obtaining a generalisation of the celebrated No Free Lunch (NFL) theorem. We find a lower bound on the quantum risk (the probability that a trained hypothesis is incorrect when presented with a random input) of a quantum learning algorithm trained via pairs of input and output states when averaged over training pairs and unitaries. The bound is illustrated using a recently introduced QNN architecture.
Abstract（参考訳）: 量子データの量子機械学習の究極の限界は、祝福されたNo Free Lunch(NFL)定理の一般化を得ることによって研究される。入力状態と出力状態のペアでトレーニングされた量子学習アルゴリズムの、トレーニングペアとユニタリの平均値に対して、量子リスク(トレーニングされた仮説がランダムな入力で提示された場合、正しくない確率)は低い値となる。この境界は、最近導入されたqnnアーキテクチャを使って示される。

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)
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)
Simple Tests of Quantumness Also Certify Qubits [69.96668065491183]
量子性の検定は、古典的検証者が証明者が古典的でないことを(のみ)証明できるプロトコルである。我々は、あるテンプレートに従う量子性のテストを行い、(Kalai et al., 2022)のような最近の提案を捉えた。すなわち、同じプロトコルは、証明可能なランダム性や古典的な量子計算のデリゲートといったアプリケーションの中心にあるビルディングブロックであるqubitの認定に使用できる。
論文参考訳（メタデータ） (2023-03-02T14:18:17Z)
Adiabatic quantum learning [0.0]
この研究は、断熱的量子進化に基づくいくつかの量子学習プロトコルを実行することを提案する。対照的に、ここで提案された断熱量子学習は、将来の断熱弱測定プロトコルと統合される可能性がある。
論文参考訳（メタデータ） (2023-03-02T07:27:29Z)
Sample-size-reduction of quantum states for the noisy linear problem [0.0]
本稿では,量子ランダムアクセスメモリ(QRAM)の量子サンプルサイズを線形次数に削減できることを述べる。ノイズの多い線形問題に対して,より短い実行時間を実現する。
論文参考訳（メタデータ） (2023-01-08T05:53:17Z)
Probably approximately correct quantum source coding [0.0]
Holevo と Nayak の境界は、量子状態に格納できる古典的な情報の量を推定する。量子学習理論における2つの新しい応用と、純粋に古典的なクライアントを用いた代入量子計算について述べる。
論文参考訳（メタデータ） (2021-12-13T17:57:30Z)
Test of Quantumness with Small-Depth Quantum Circuits [1.90365714903665]
近年,LWE(Learning with error)の仮定に基づいて量子性テストを構築する方法が示されている。このテストはいくつかの暗号アプリケーションにつながった。本稿では,この量子性試験,および上述のすべての応用が,量子回路の非常に弱いクラスによって実際に実装可能であることを示す。
論文参考訳（メタデータ） (2021-05-12T08:16:20Z)
Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文参考訳（メタデータ） (2021-03-31T02:41:36Z)
Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文参考訳（メタデータ） (2020-10-20T20:03:19Z)
A rigorous and robust quantum speed-up in supervised machine learning [6.402634424631123]
本稿では,汎用量子学習アルゴリズムを用いて,教師付き分類のための厳密な量子スピードアップを確立する。我々の量子分類器は、フォールトトレラント量子コンピュータを用いてカーネル関数を推定する従来のサポートベクトルマシンである。
論文参考訳（メタデータ） (2020-10-05T17:22:22Z)
Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。