論文の概要: Quantum Computing Methods for Supervised Learning

• arxiv url: http://arxiv.org/abs/2006.12025v1
• Date: Mon, 22 Jun 2020 06:34:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 06:49:54.131194
• Title: Quantum Computing Methods for Supervised Learning
• Title（参考訳）: 教師付き学習のための量子コンピューティング手法
• Authors: Viraj Kulkarni, Milind Kulkarni, Aniruddha Pant
• Abstract要約: 小型の量子コンピュータと量子アニールが製造され、既に商業的に販売されている。 我々は、教師付き機械学習問題への応用を探求する前に、量子コンピューティングの背景と重要な結果を要約する。
• 参考スコア（独自算出の注目度）: 0.08594140167290096
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The last two decades have seen an explosive growth in the theory and practice of both quantum computing and machine learning. Modern machine learning systems process huge volumes of data and demand massive computational power. As silicon semiconductor miniaturization approaches its physics limits, quantum computing is increasingly being considered to cater to these computational needs in the future. Small-scale quantum computers and quantum annealers have been built and are already being sold commercially. Quantum computers can benefit machine learning research and application across all science and engineering domains. However, owing to its roots in quantum mechanics, research in this field has so far been confined within the purview of the physics community, and most work is not easily accessible to researchers from other disciplines. In this paper, we provide a background and summarize key results of quantum computing before exploring its application to supervised machine learning problems. By eschewing results from physics that have little bearing on quantum computation, we hope to make this introduction accessible to data scientists, machine learning practitioners, and researchers from across disciplines.
• Abstract（参考訳）: 過去20年間、量子コンピューティングと機械学習の両方の理論と実践は爆発的な成長を遂げてきた。 現代の機械学習システムは大量のデータを処理し、膨大な計算能力を要求する。 半導体半導体の小型化が物理限界に近づくにつれ、量子コンピューティングは将来的にこれらの計算ニーズに適応すると考えられている。 小型量子コンピュータと量子アニーラーが製造され、既に市販されている。 量子コンピュータは、すべての科学および工学領域にわたる機械学習の研究と応用に役立つ。 しかし、量子力学のルーツのため、この分野での研究は物理学コミュニティのパービューに限られており、ほとんどの研究は他の分野の研究者に容易にはアクセスできない。 本稿では、教師付き機械学習問題への応用を探求する前に、量子コンピューティングの背景と重要な結果を要約する。 量子計算にほとんど依存しない物理学の結果を取り入れることで、この導入をデータサイエンティスト、機械学習の実践者、そしてさまざまな分野の研究者に公開したいと考えている。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• Quantum Computing: Vision and Challenges [16.50566018023275]
  本稿では,量子コンピュータハードウェアの最先端開発と量子暗号,量子ソフトウェア,高スケール性量子コンピュータの今後の進歩について論じる。 量子技術の研究と開発における多くの潜在的な課題とエキサイティングな新しいトレンドが、より広範な議論のためにこの論文で強調されている。
  論文  参考訳（メタデータ） (2024-03-04T17:33:18Z)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• 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)
• Systematic Literature Review: Quantum Machine Learning and its applications [0.0]
  この写本は、2017年から2023年にかけて発行された論文の体系的文献レビューを提示することを目的としている。 本研究では、量子機械学習技術とアルゴリズムを使用した94の論文を特定した。 既存の量子コンピュータには、量子コンピューティングがその完全な潜在能力を達成するのに十分な品質、速度、スケールが欠けているため、量子ハードウェアの改善が必要である。
  論文  参考訳（メタデータ） (2022-01-11T17:36:34Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。 このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• Quantum Computation [0.0]
  量子計算の中核となる原理と応用分野について論じ,要約する。 物理系の挙動に対する計算のマッピングは歴史的課題である。 量子コンピュータが正しく機能するために必要な技術を評価する。
  論文  参考訳（メタデータ） (2020-06-04T11:57:18Z)
• Quantum Machine Learning in High Energy Physics [1.191194620421783]
  本稿では,高エネルギー物理学における問題に対する量子機械学習を用いた第1世代の考え方を概説する。 興味深い疑問は、量子機械学習を高エネルギー物理学に適用する方法があるかどうかである。
  論文  参考訳（メタデータ） (2020-05-18T10:48:39Z)
• 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)
• Quantum algorithms for quantum chemistry and quantum materials science [2.867517731896504]
  本稿では, 電子構造, 量子統計力学, 量子力学の分野において, 量子コンピュータ上での解に対する潜在的な関心について, 化学・材料科学の中心的な問題を簡潔に述べる。 我々は、基底状態、力学、熱状態シミュレーションのための量子アルゴリズムの現在の進歩の詳細なスナップショットを取得し、将来の発展のためにそれらの強みと弱点を分析する。
  論文  参考訳（メタデータ） (2020-01-10T22:49:56Z)

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。