Fugu-MT 論文翻訳(概要): Parts of Speech Tagging in NLP: Runtime Optimization with Quantum Formulation and ZX Calculus

論文の概要: Parts of Speech Tagging in NLP: Runtime Optimization with Quantum Formulation and ZX Calculus

arxiv url: http://arxiv.org/abs/2007.10328v1
Date: Sun, 19 Jul 2020 23:55:35 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 00:08:40.871557
Title: Parts of Speech Tagging in NLP: Runtime Optimization with Quantum Formulation and ZX Calculus
Title（参考訳）: NLPにおける音声タグ付けの部分:量子定式化とZX計算による実行時最適化
Authors: Arit Kumar Bishwas, Ashish Mani and Vasile Palade
Abstract要約: 本稿では,自然言語処理における音声タグ付けの最適化について,量子コンピューティングによる定式化を提案する。我々の量子定式化は古典的よりも2次的な速度を示し、さらにZX計算の助けを借りて実装可能な最適化を実証する。
参考スコア（独自算出の注目度）: 2.41710192205034
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes an optimized formulation of the parts of speech tagging in Natural Language Processing with a quantum computing approach and further demonstrates the quantum gate-level runnable optimization with ZX-calculus, keeping the implementation target in the context of Noisy Intermediate Scale Quantum Systems (NISQ). Our quantum formulation exhibits quadratic speed up over the classical counterpart and further demonstrates the implementable optimization with the help of ZX calculus postulates.
Abstract（参考訳）: 本稿では、自然言語処理における音声タグ付けの部分を量子コンピューティングアプローチで最適化し、さらにZX計算による量子ゲートレベルのランナブル最適化を実証し、実装対象をノイズ中間スケール量子システム(NISQ)の文脈で維持する。我々の量子定式化は古典的よりも2次的な速度を示し、さらにZX計算の助けを借りて実装可能な最適化を示す。

関連論文リスト

Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
論文参考訳（メタデータ） (2024-10-30T08:41:29Z)
Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
論文参考訳（メタデータ） (2024-03-18T06:59:23Z)
Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文参考訳（メタデータ） (2023-10-14T02:13:26Z)
Optimization Applications as Quantum Performance Benchmarks [0.0]
組合せ最適化は、今後数年間における量子計算の主要なユースケースの1つとして期待されている。従来の最適化アルゴリズムの特徴付け手法に着想を得て,Max-Cut問題を解くことで得られる解の質を分析した。これは量子コンピュータのための高度なベンチマークフレームワークの開発を導くために使われる。
論文参考訳（メタデータ） (2023-02-05T01:56:06Z)
A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文参考訳（メタデータ） (2022-12-21T23:15:17Z)
Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
論文参考訳（メタデータ） (2022-09-05T07:23:03Z)
Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文参考訳（メタデータ） (2022-09-01T17:08:41Z)
Lyapunov control-inspired strategies for quantum combinatorial optimization [0.0]
我々は、Lyapunov制御にインスパイアされた量子最適化戦略の拡張的な記述を提供する。代わりに、これらの戦略は量子ビット測定からのフィードバックを利用して、決定論的に量子回路パラメータに値を割り当てる。
論文参考訳（メタデータ） (2021-08-12T19:47:59Z)
Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文参考訳（メタデータ） (2021-06-24T20:16:02Z)
Feedback-based quantum optimization [0.0]
本稿では,量子回路パラメータに対して,量子ビット計測の結果を構成的に割り当てる,量子最適化のためのフィードバックベースの戦略を提案する。この手法により,量子回路の深さを単調に改善する最適化問題の解が推定されることを示す。
論文参考訳（メタデータ） (2021-03-15T18:01:03Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。