論文の概要: High-Dimensional Similarity Search with Quantum-Assisted Variational Autoencoder

• arxiv url: http://arxiv.org/abs/2006.07680v1
• Date: Sat, 13 Jun 2020 16:55:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 21:01:13.668277
• Title: High-Dimensional Similarity Search with Quantum-Assisted Variational Autoencoder
• Title（参考訳）: 量子支援変分オートエンコーダによる高次元類似性探索
• Authors: Nicholas Gao, Max Wilson, Thomas Vandal, Walter Vinci, Ramakrishna Nemani, Eleanor Rieffel
• Abstract要約: 量子機械学習は、量子優位性を示す潜在的アプローチとして評価されている。 QVAEの潜在空間表現に基づいて、空間効率の高い検索インデックスを構築する方法を示す。 線形探索と比較して現実のスピードアップを見つけ、メモリ効率のスケーリングを5億のデータポイントに示す。
• 参考スコア（独自算出の注目度）: 3.6704555687356644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent progress in quantum algorithms and hardware indicates the potential importance of quantum computing in the near future. However, finding suitable application areas remains an active area of research. Quantum machine learning is touted as a potential approach to demonstrate quantum advantage within both the gate-model and the adiabatic schemes. For instance, the Quantum-assisted Variational Autoencoder has been proposed as a quantum enhancement to the discrete VAE. We extend on previous work and study the real-world applicability of a QVAE by presenting a proof-of-concept for similarity search in large-scale high-dimensional datasets. While exact and fast similarity search algorithms are available for low dimensional datasets, scaling to high-dimensional data is non-trivial. We show how to construct a space-efficient search index based on the latent space representation of a QVAE. Our experiments show a correlation between the Hamming distance in the embedded space and the Euclidean distance in the original space on the Moderate Resolution Imaging Spectroradiometer (MODIS) dataset. Further, we find real-world speedups compared to linear search and demonstrate memory-efficient scaling to half a billion data points.
• Abstract（参考訳）: 量子アルゴリズムとハードウェアの最近の進歩は、近い将来の量子コンピューティングの重要性を示している。 しかし、適切な適用領域を見つけることは研究の活発な領域である。 量子機械学習(quantum machine learning)は、ゲートモデルと断熱スキームの両方において量子アドバンテージを示す潜在的なアプローチである。 例えば、量子アシスト変分オートエンコーダは離散VAEの量子拡張として提案されている。 我々は,従来の研究を拡張し,大規模高次元データセットにおける類似性探索のための概念実証を行い,QVAEの現実的適用性について検討した。 低次元データセットでは、正確かつ高速な類似性探索アルゴリズムが利用できるが、高次元データへのスケーリングは自明ではない。 QVAEの潜在空間表現に基づいて、空間効率の高い検索インデックスを構築する方法を示す。 本実験では,中分解能イメージングスペクトロラジオメータ(modis)データセット上で,埋め込み空間のハミング距離と元の空間のユークリッド距離の相関を示す。 さらに,線形探索と比較して実世界のスピードアップが得られ,メモリ効率が5億のデータポイントに向上することを示す。

関連論文リスト

• 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)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum Architecture Search with Unsupervised Representation Learning [24.698519892763283]
  教師なし表現学習は量子アーキテクチャ探索(QAS)を前進させる新しい機会を提供する QASは変分量子アルゴリズム(VQA)のための量子回路を最適化するように設計されている
  論文  参考訳（メタデータ） (2024-01-21T19:53:17Z)
• 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)
• QArchSearch: A Scalable Quantum Architecture Search Package [1.725192300740999]
  バックエンドとして textttQTensor ライブラリを備えた,AI ベースの量子アーキテクチャ検索パッケージである textttQArchSearch を提示する。 探索パッケージは、探索を大規模量子回路に効率よくスケールでき、異なる量子アプリケーションのためのより複雑なモデルを探索できることを示す。
  論文  参考訳（メタデータ） (2023-10-11T20:00:33Z)
• Variational Quantum Linear Solver enhanced Quantum Support Vector Machine [3.206157921187139]
  本稿では,変分量子線形解法(VQLS)拡張QSVMを提案する。 NISQ デバイス上での最小二乗SVM の線形方程式系を解くために、変分量子線形解法を利用するという考え方に基づいている。 提案手法の実装は,Irisデータセットを用いた広範囲な数値実験により評価される。
  論文  参考訳（メタデータ） (2023-09-14T14:59:58Z)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• Tweezer-programmable 2D quantum walks in a Hubbard-regime lattice [1.286202369590401]
  2次元正方格子上の単一原子の連続時間量子ウォークについて検討する。 これらのウォークを用いた空間探索の実証実験を行う。 より多くの粒子にスケールすると、ここで示される能力は、量子情報科学の様々な問題を研究するために拡張することができる。
  論文  参考訳（メタデータ） (2022-02-02T18:56:11Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• Quantum Embedding Search for Quantum Machine Learning [2.7612093695074456]
  クエスト」と発音される新しい量子埋め込み探索アルゴリズム(QES)を導入する。 我々は、量子埋め込みの構造と有向多重グラフの表現との接続を確立し、明確に定義された探索空間を実現する。 本稿では,QESによる量子埋め込みアーキテクチャが手動設計より優れていることを実証的に示す,合成とアイリスデータセットに対する提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-05-25T11:50:57Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)

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。