論文の概要: Supervised Learning Using a Dressed Quantum Network with "Super
Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation
- arxiv url: http://arxiv.org/abs/2007.10242v1
- Date: Mon, 20 Jul 2020 16:29:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 14:44:39.183158
- Title: Supervised Learning Using a Dressed Quantum Network with "Super
Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation
- Title（参考訳）: 超圧縮符号化」を用いた量子ネットワークを用いた教師あり学習:アルゴリズムと量子ハードウエアによる実装
- Authors: Saurabh Kumar, Siddharth Dangwal and Debanjan Bhowmik
- Abstract要約: ノイズのある中間量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装には、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題がある。
本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。
他の多くのQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
- 参考スコア（独自算出の注目度）: 7.599675376503671
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Implementation of variational Quantum Machine Learning (QML) algorithms on
Noisy Intermediate-Scale Quantum (NISQ) devices is known to have issues related
to the high number of qubits needed and the noise associated with multi-qubit
gates. In this paper, we propose a variational QML algorithm using a dressed
quantum network to address these issues. Using the "super compressed encoding"
scheme that we follow here, the classical encoding layer in our dressed network
drastically scales down the input-dimension, before feeding the input to the
variational quantum circuit. Hence, the number of qubits needed in our quantum
circuit goes down drastically. Also, unlike in most other existing QML
algorithms, our quantum circuit consists only of single-qubit gates, making it
robust against noise. These factors make our algorithm suitable for
implementation on NISQ hardware. To support our argument, we implement our
algorithm on real NISQ hardware and thereby show accurate classification using
popular machine learning data-sets like Fisher's Iris, Wisconsin's Breast
Cancer (WBC), and Abalone. Then, to provide an intuitive explanation for our
algorithm's working, we demonstrate the clustering of quantum states, which
correspond to the input-samples of different output-classes, on the Bloch
sphere (using WBC and MNIST data-sets). This clustering happens as a result of
the training process followed in our algorithm. Through this Bloch-sphere-based
representation, we also show the distinct roles played (in training) by the
adjustable parameters of the classical encoding layer and the adjustable
parameters of the variational quantum circuit. These parameters are adjusted
iteratively during training through loss-minimization.
- Abstract（参考訳）: ノイズ中規模量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装は、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題があることが知られている。
本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。
ここで従う「超圧縮符号化」スキームを用いて、我々の服装ネットワークの古典的なエンコーディング層は、入力を変分量子回路に送る前に、入力-次元を劇的に縮小する。
したがって、量子回路に必要な量子ビットの数は劇的に減少する。
また、既存のQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
これらの要因は,NISQハードウェアの実装に適したアルゴリズムである。
この議論をサポートするため,本アルゴリズムを実際のnisqハードウェアに実装し,fisherのiris,ウィスコンシンの乳がん(wbc),abaloneなどの一般的な機械学習データセットを用いて正確な分類を行う。
次に,我々のアルゴリズムの動作を直感的に説明するために,Bloch球上で異なる出力クラスの入力サンプルに対応する量子状態のクラスタリングを実演する(WBCとMNISTのデータセットを用いて)。
このクラスタリングは、アルゴリズムに追従したトレーニングプロセスの結果発生します。
このブロッホ・スフィアに基づく表現を通して、古典符号化層の調整可能なパラメータと変動量子回路の調整可能なパラメータによって(訓練中)演じられる異なる役割を示す。
これらのパラメータは、損失最小化によるトレーニング中に反復的に調整される。
関連論文リスト
- 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) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Calibrating the role of entanglement in variational quantum circuits [0.6435156676256051]
エンタングルメント(Entanglement)は、量子コンピューティングの重要な性質であり、古典的なものとは分離している。
2つの変分量子アルゴリズムの動作における絡み合いの役割を系統的に検討する。
QAOAを用いて解いたMAX-CUT問題に対して,絡み合い関数としての忠実度は層数に大きく依存することがわかった。
QNNの場合、高いテスト精度のトレーニング回路は高い絡み合いによって支えられ、強制的な絡み合いの制限はテスト精度の急激な低下をもたらす。
論文 参考訳（メタデータ） (2023-10-16T23:36:40Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - Quantum Federated Learning with Entanglement Controlled Circuits and
Superposition Coding [44.89303833148191]
我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。
本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。
画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
論文 参考訳（メタデータ） (2022-12-04T03:18:03Z) - Analog quantum variational embedding classifier [8.445680783099196]
アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。
性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。
提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
論文 参考訳（メタデータ） (2022-11-04T20:58:48Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳（メタデータ） (2022-09-22T21:54:28Z) - Quantum Neuron with Separable-State Encoding [0.0]
現在利用可能な量子プロセッサにおいて、高度な量子ニューロンモデルを大規模にテストすることは、まだ不可能である。
マルチキュービットゲート数を削減した量子パーセプトロン(QP)モデルを提案する。
シミュレーション量子コンピュータにおいて,QPの量子ビットバージョンをいくつか実装することにより,提案モデルの性能を実証する。
論文 参考訳（メタデータ） (2022-02-16T19:26:23Z) - Variational Quantum Eigensolver with Reduced Circuit Complexity [3.1158760235626946]
電子構造計算におけるVQEにおける量子回路の複雑性を低減するための新しい手法を提案する。
我々のアルゴリズムは、ClusterVQEと呼ばれ、初期量子ビット空間を、個々の量子回路にさらに分散したサブスペース(キュービットクラスタ)に分割する。
この新しいアルゴリズムは同時に量子ビット数と回路深度を減少させ、NISQデバイス上での量子化学シミュレーションの潜在的なリーダーとなる。
論文 参考訳（メタデータ） (2021-06-14T17:23:46Z) - Fast-Forwarding with NISQ Processors without Feedback Loop [0.0]
量子シミュレーションのための代替対角化アルゴリズムとして古典量子高速フォワード法(CQFF)を提案する。
CQFFは古典的量子フィードバックループと制御されたマルチキュービットユニタリの必要性を取り除く。
私たちの仕事は、以前の記録よりも104ドルの改善を提供します。
論文 参考訳（メタデータ） (2021-04-05T14:29:33Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z)
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。