論文の概要: Small quantum computers and large classical data sets

• arxiv url: http://arxiv.org/abs/2004.00026v1
• Date: Tue, 31 Mar 2020 18:00:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-27 07:33:40.712952
• Title: Small quantum computers and large classical data sets
• Title（参考訳）: 小さな量子コンピュータと巨大な古典的データセット
• Authors: Aram W. Harrow
• Abstract要約: 本稿では,大規模古典データセット X とモデル Y の空間に関する問題に対して,ハイブリッド古典量子アルゴリズムを提案する。 これらのアルゴリズムは、X の重み付き部分集合を構成するためにデータ還元技術を使用し、各モデルにほぼ同じ損失をもたらすコアセットである。 具体的な応用としては、k平均クラスタリング、論理回帰、ゼロサムゲーム、ブースティングなどがある。
• 参考スコア（独自算出の注目度）: 2.8174125805742416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce hybrid classical-quantum algorithms for problems involving a large classical data set X and a space of models Y such that a quantum computer has superposition access to Y but not X. These algorithms use data reduction techniques to construct a weighted subset of X called a coreset that yields approximately the same loss for each model. The coreset can be constructed by the classical computer alone, or via an interactive protocol in which the outputs of the quantum computer are used to help decide which elements of X to use. By using the quantum computer to perform Grover search or rejection sampling, this yields quantum speedups for maximum likelihood estimation, Bayesian inference and saddle-point optimization. Concrete applications include k-means clustering, logistical regression, zero-sum games and boosting.
• Abstract（参考訳）: 本稿では、量子コンピュータがYへの重ね合わせアクセスを持つがXではないような古典的集合 X とモデル Y の空間に関わる問題に対するハイブリッド古典量子アルゴリズムを紹介し、これらのアルゴリズムは、データ還元技術を用いて、各モデルにほぼ同じ損失をもたらすコアセットと呼ばれるXの重み付きサブセットを構築する。 コアセットは古典的コンピュータ単独で、あるいは量子コンピュータの出力を使ってXのどの要素を使うかを決定する対話的プロトコルによって構築することができる。 量子コンピュータを用いてGrover検索やリジェクションサンプリングを行うことで、最大推定、ベイズ推定、サドル点最適化のための量子スピードアップが得られる。 具体的な応用としては、k平均クラスタリング、論理回帰、ゼロサムゲーム、ブースティングなどがある。

関連論文リスト

• A clustering aggregation algorithm on neutral-atoms and annealing quantum processors [0.44531072184246007]
  本研究では、クラスタリングアグリゲーションを実行するためのハイブリッド量子古典アルゴリズムを提案する。 中立原子の量子コンピュータと量子アニールのために設計された。 発見は、ハイブリッド量子古典パイプラインの将来的な発展の可能性を示唆している。
  論文  参考訳（メタデータ） (2024-12-10T14:48:44Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Big data applications on small quantum computers [0.0]
  コアセットは大きなデータセットの簡潔な記述を可能にし、計算タスクにおけるそのソリューションは、元のデータセットのソリューションと競合する。 本稿では,3種類の古典的機械学習問題,すなわちDivisive Clustering, 3-means Clustering, Gaussian Model Clusteringに適用する。 提案手法は古典的解法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-02-02T16:15:55Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• 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)
• Variational Quantum and Quantum-Inspired Clustering [0.0]
  本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。 このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2022-06-20T17:02:19Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Unsupervised Event Classification with Graphs on Classical and Photonic Quantum Computers [0.0]
  フォトニック量子コンピュータは、量子コンピューティングの離散量子ビットベースのパラダイムよりもいくつかの利点を提供している。 新物理の探索に使用する異常検出モデルを構築した。 ガウスボソンサンプリングとQ平均と呼ばれるK平均への量子拡張を組み合わせた新しい異常検出法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T19:02:31Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Coreset Clustering on Small Quantum Computers [3.4075213885825377]
  Harrow氏の最近の研究は、ハイブリッド量子古典計算における新しいパラダイムを導入している。 このパラダイムを用いて、短期量子コンピュータ上で$k$-meansクラスタリングを行う。 私たちは、コアセットとQAOAの両方がうまく機能するデータセットを見つけます。
  論文  参考訳（メタデータ） (2020-04-30T17:19:19Z)

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。