論文の概要: The Holy Grail of Quantum Artificial Intelligence: Major Challenges in
Accelerating the Machine Learning Pipeline
- arxiv url: http://arxiv.org/abs/2004.14035v1
- Date: Wed, 29 Apr 2020 09:07:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 14:18:54.963260
- Title: The Holy Grail of Quantum Artificial Intelligence: Major Challenges in
Accelerating the Machine Learning Pipeline
- Title(参考訳): 量子人工知能の聖杯: 機械学習パイプラインの加速における大きな課題
- Authors: Thomas Gabor (1), Leo S\"unkel (1), Fabian Ritz (1), Thomy Phan (1),
Lenz Belzner (2), Christoph Roch (1), Sebastian Feld (1), Claudia
Linnhoff-Popien (1) ((1) LMU Munich, (2) MaibornWolff)
- Abstract要約: 量子コンピューティングと人工知能の相乗関係について論じる。
量子人工知能への現在のアプローチを調査した後、量子人工知能の将来に対する4つの大きな課題を導出する。
- 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: We discuss the synergetic connection between quantum computing and artificial
intelligence. After surveying current approaches to quantum artificial
intelligence and relating them to a formal model for machine learning
processes, we deduce four major challenges for the future of quantum artificial
intelligence: (i) Replace iterative training with faster quantum algorithms,
(ii) distill the experience of larger amounts of data into the training
process, (iii) allow quantum and classical components to be easily combined and
exchanged, and (iv) build tools to thoroughly analyze whether observed benefits
really stem from quantum properties of the algorithm.
- Abstract(参考訳): 量子コンピューティングと人工知能の相乗関係について論じる。
量子人工知能への現在のアプローチを調査し、それらを機械学習プロセスの正式なモデルに関連づけた後、量子人工知能の未来に対する4つの大きな課題を導き出す。
(i)高速な量子アルゴリズムで反復訓練を置き換える。
(ii) トレーニングプロセスに大量のデータの経験を蒸留すること。
(iii)量子部品と古典部品の結合・交換を容易に行うこと、及び
(4) 観測された利点がアルゴリズムの量子的性質に由来するかどうかを徹底的に分析するツールを構築する。
関連論文リスト
- End-to-End Quantum Vision Transformer: Towards Practical Quantum Speedup
in Large-Scale Models [20.72342380227143]
本稿では、革新的な量子残差接続技術を含む、エンドツーエンドの量子ビジョン変換器(QViT)を紹介する。
QViTの徹底的な分析により、理論上指数関数的複雑性と経験的スピードアップが明らかとなり、量子コンピューティングアプリケーションにおけるモデルの効率性とポテンシャルが示される。
論文 参考訳(メタデータ) (2024-02-29T08:12:02Z) - Streaming IoT Data and the Quantum Edge: A Classic/Quantum Machine
Learning Use Case [0.6554326244334868]
量子機械学習を分散コンピューティング連続体に統合するためのエッジコンピューティングの利用について検討する。
我々は,IoTシナリオにおける量子機械学習分析の予備的結果を示す。
論文 参考訳(メタデータ) (2024-02-23T10:36:22Z) - 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) - Quafu-RL: The Cloud Quantum Computers based Quantum Reinforcement
Learning [0.0]
本研究は,BAQIS Quafu量子コンピューティングクラウド上で,少なくとも136量子ビットを備えた実デバイス上で,ベンチマーク量子強化問題を実行するための第一歩である。
実験の結果,Reinforcement Learning (RL) エージェントはトレーニング段階と推論段階の両方でわずかに緩和された目標を達成することができることがわかった。
論文 参考訳(メタデータ) (2023-05-29T09:13:50Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Quantum Computing for Power Flow Algorithms: Testing on real Quantum
Computers [0.0]
本稿では、量子コンピューティングシミュレーションを超えて、実量子コンピュータ上の電力システムに対する量子コンピューティングの実験的な応用を行う。
我々は5種類の異なる量子コンピュータを使用し、HHL量子アルゴリズムを適用し、交流電力流アルゴリズムの精度と速度に対する現在のノイズ量子ハードウェアの影響を調べる。
論文 参考訳(メタデータ) (2022-04-29T11:53:16Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - 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) - Reinforcement Learning with Quantum Variational Circuits [0.0]
この研究は、強化学習問題を促進する量子コンピューティングの可能性を探るものである。
具体的には、量子機械学習の一形態である量子変分回路の使用について検討する。
その結果、ハイブリッドおよび純粋量子変動回路は、より小さいパラメータ空間で強化学習タスクを解くことができることを示した。
論文 参考訳(メタデータ) (2020-08-15T00:13:01Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳(メタデータ) (2020-05-06T14:18:44Z)
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。