論文の概要: Quantum-enhanced algorithms for classical target detection in complex
environments
- arxiv url: http://arxiv.org/abs/2007.15110v1
- Date: Wed, 29 Jul 2020 21:07:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 20:23:17.010988
- Title: Quantum-enhanced algorithms for classical target detection in complex
environments
- Title（参考訳）: 複雑環境における古典的目標検出のための量子化アルゴリズム
- Authors: Peter B. Weichman
- Abstract要約: 古典的ターゲット同定および局所化アルゴリズム,特にレーダ画像に対する量子計算手法について検討した。
アルゴリズムは量子機械学習に対する最近のアプローチにインスパイアされているが、かなりの拡張が必要である。
量子効率がアルゴリズム全体の大幅な高速化を可能にするアプリケーション体制が特定される。
- 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: Quantum computational approaches to some classic target identification and
localization algorithms, especially for radar images, are investigated, and are
found to raise a number of quantum statistics and quantum measurement issues
with much broader applicability. Such algorithms are computationally intensive,
involving coherent processing of large sensor data sets in order to extract a
small number of low profile targets from a cluttered background. Target
enhancement is accomplished through accurate statistical characterization of
the environment, followed by optimal identification of statistical outliers.
The key result of the work is that the environmental covariance matrix
estimation and manipulation at the heart of the statistical analysis actually
enables a highly efficient quantum implementation. The algorithm is inspired by
recent approaches to quantum machine learning, but requires significant
extensions, including previously overlooked `quantum analog--digital'
conversion steps (which are found to substantially increase the required number
of qubits), `quantum statistical' generalization of the classic phase
estimation and Grover search algorithms, and careful consideration of projected
measurement operations. Application regimes where quantum efficiencies could
enable significant overall algorithm speedup are identified. Key possible
bottlenecks, such as data loading and conversion, are identified as well.
- Abstract（参考訳）: 古典的ターゲット同定およびローカライズアルゴリズム(特にレーダ画像)に対する量子計算のアプローチが研究され、より広い適用性で多くの量子統計学と量子計測の問題が提起されている。
このようなアルゴリズムは計算集約的で、乱雑な背景から少数の低プロファイルターゲットを抽出するために、大きなセンサーデータセットのコヒーレントな処理を含む。
ターゲットの強化は、環境の正確な統計的特徴付けと、統計的外れ値の最適同定によって達成される。
この研究の鍵となる結果は、統計解析の核となる環境共分散行列の推定と操作が、実際に高効率な量子実装を可能にすることである。
このアルゴリズムは近年の量子機械学習のアプローチに触発されているが、これまで見過ごされていた「量子アナログ-デジタル」変換ステップ(必要量子ビット数を大幅に増加させる)、古典位相推定アルゴリズムとグローバー探索アルゴリズムの「量子統計」一般化、投影された測定操作の注意深い考慮など、重要な拡張が必要である。
量子効率がアルゴリズム全体の大幅な高速化を可能にするアプリケーション体制が特定される。
データローディングや変換など、考えられる主要なボトルネックも特定される。
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) - Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。
小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
論文 参考訳（メタデータ） (2024-04-01T20:55:03Z) - Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。
私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文 参考訳（メタデータ） (2024-01-20T03:11:59Z) - Improved Quantum Algorithms for Eigenvalues Finding and Gradient Descent [0.0]
ブロック符号化は、最近開発された量子アルゴリズムの統一フレームワークを形成する量子信号処理において重要な要素である。
本稿では,前述した2つの量子アルゴリズムを効果的に拡張するためにブロック符号化を利用する。
提案手法を,行列逆転や多重固有値推定など,異なる文脈に拡張する方法を示す。
論文 参考訳（メタデータ） (2023-12-22T15:59:03Z) - Enhanced Scalability in Assessing Quantum Integer Factorization Performance [1.0619039878979954]
本章では、Shorのアルゴリズムを用いて整数分解タスクに必要な時間を分析することを目的とする。
Shorのアルゴリズムにおけるパラメータ事前選択の影響も観察する。
論文 参考訳（メタデータ） (2023-05-09T08:14:28Z) - Improved maximum-likelihood quantum amplitude estimation [0.0]
量子推定は、量子強化モンテカルロシミュレーションや量子機械学習など、多数の強力な量子アルゴリズムにおいて重要なサブルーチンである。
本稿では,最大形量子振幅推定 (MLQAE) の解析をさらに深め,量子回路深度が制限されるシナリオを含むより規範的な形式にアルゴリズムを配置する。
次に,この問題を克服するアルゴリズムの修正を提案し,数値的に検証し,近・中期量子ハードウェアにおける実用的サブルーチンとしての有用性をさらに高める。
論文 参考訳（メタデータ） (2022-09-07T17:30:37Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳（メタデータ） (2022-04-12T19:39:31Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳（メタデータ） (2021-12-22T06:19:36Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - 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) - Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。
より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文 参考訳（メタデータ） (2020-01-28T17:35:32Z)
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。