論文の概要: Supervised Learning with Quantum Measurements

• arxiv url: http://arxiv.org/abs/2004.01227v2
• Date: Fri, 12 Feb 2021 15:09:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 13:23:49.460841
• Title: Supervised Learning with Quantum Measurements
• Title（参考訳）: 量子計測による教師あり学習
• Authors: Fabio A. Gonz\'alez, Vladimir Vargas-Calder\'on, Herbert Vinck-Posada
• Abstract要約: 本稿では,量子力学をサポートする数学的形式に基づく教師あり機械学習の新しい手法について報告する。 この方法は予測関数を構築する方法として射影量子計測を用いる。 この手法の顕著な特徴は、最適化によってパラメータを学習する必要がなくなることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper reports a novel method for supervised machine learning based on the mathematical formalism that supports quantum mechanics. The method uses projective quantum measurement as a way of building a prediction function. Specifically, the relationship between input and output variables is represented as the state of a bipartite quantum system. The state is estimated from training samples through an averaging process that produces a density matrix. Prediction of the label for a new sample is made by performing a projective measurement on the bipartite system with an operator, prepared from the new input sample, and applying a partial trace to obtain the state of the subsystem representing the output. The method can be seen as a generalization of Bayesian inference classification and as a type of kernel-based learning method. One remarkable characteristic of the method is that it does not require learning any parameters through optimization. We illustrate the method with different 2-D classification benchmark problems and different quantum information encodings.
• Abstract（参考訳）: 本稿では,量子力学を支える数学的形式に基づく教師あり機械学習の新しい手法について述べる。 この方法は予測関数を構築する方法として射影量子計測を用いる。 具体的には、入力変数と出力変数の関係は二成分量子システムの状態として表される。 状態は、密度行列を生成する平均化プロセスを通じて、トレーニングサンプルから推定される。 新たな入力サンプルから作成した操作者と二成分系で投影計測を行い、出力を表すサブシステムの状態を得るために部分的トレースを適用することにより、新規サンプルのラベルの予測を行う。 この方法はベイズ推論分類の一般化であり、カーネルベースの学習法の一種と見なすことができる。 この手法の顕著な特徴は、最適化によってパラメータを学習する必要がなくなることである。 本手法は,異なる2次元分類基準問題と異なる量子情報符号化を用いて記述する。

関連論文リスト

• Robust Estimation of Nonlinear Properties of Quantum Processes [10.24856054281464]
  非線形量子プロセス特性を推定するための2つのプロトコルを提案する。 最初のプロトコルは、時間外相関を推定するための頑健で健全な手法を提供する。 第2のプロトコルはユニタリティを推定し、量子チャネルの不整合を効果的に特徴づける。
  論文  参考訳（メタデータ） (2023-12-15T09:33:11Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Certainty In, Certainty Out: REVQCs for Quantum Machine Learning [15.908051575681458]
  高精度かつ高精度なサンプル推測が可能な統計理論について論じる。 本稿では,このトレーニング手法の有効性を,いくつかの有効な変分量子回路を用いて評価する。
  論文  参考訳（メタデータ） (2023-10-16T17:53:30Z)
• QuIP: 2-Bit Quantization of Large Language Models With Guarantees [44.212441764241]
  本研究では,大規模言語モデル(LLM)における学習後のパラメータ量子化について研究する。 Incoherence Processing (QuIP) を用いた量子化を導入する。これは、$textitincoherent$ weight と Hessian matrices から量子化が恩恵を受けるという知見に基づく新しい方法である。
  論文  参考訳（メタデータ） (2023-07-25T07:44:06Z)
• A hybrid quantum-classical classifier based on branching multi-scale entanglement renormalization ansatz [5.548873288570182]
  本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。 グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。 本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
  論文  参考訳（メタデータ） (2023-03-14T13:46:45Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Learning with Density Matrices and Random Features [44.98964870180375]
  密度行列は、量子系の統計状態を記述する。 量子系の量子的不確実性と古典的不確実性の両方を表現することは強力な形式主義である。 本稿では,機械学習モデルのビルディングブロックとして密度行列をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2021-02-08T17:54:59Z)
• Variational Quantum Algorithms for Trace Distance and Fidelity Estimation [7.247285982078057]
  近距離量子デバイスにおける2つの距離測定のためのハイブリッド量子古典アルゴリズムを提案する。 まず,変分トレース距離推定(VTDE)アルゴリズムを提案する。 次に,変分忠実度推定(VFE)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-10T15:56:58Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)
• Quantum embeddings for machine learning [5.16230883032882]
  量子分類器は、機械学習モデルとして使用されるトレーニング可能な量子回路である。 我々は、ヒルベルト空間におけるデータクラスを最大限に分離することを目的として、回路の最初の部分(埋め込み)を訓練することを提案する。 このアプローチは量子機械学習のための強力な分析フレームワークを提供する。
  論文  参考訳（メタデータ） (2020-01-10T19:00:01Z)

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。