Fugu-MT 論文翻訳(概要): Global Optimum Search in Quantum Deep Learning

論文の概要: Global Optimum Search in Quantum Deep Learning

arxiv url: http://arxiv.org/abs/2008.03655v1
Date: Sun, 9 Aug 2020 05:01:44 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 04:06:46.640599
Title: Global Optimum Search in Quantum Deep Learning
Title（参考訳）: 量子深層学習におけるグローバル最適探索
Authors: Lanston Hau Man Chu, Tejas Bhojraj, Rui Huang
Abstract要約: 現在のコストは$O(sqrt|Theta| cdot sublinear N)$であるが、チェックプロセスを強化することでさらに$O(sqrt|Theta| cdot sublinear N)$に改善する可能性がある。
参考スコア（独自算出の注目度）: 5.761429719197307
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper aims to solve machine learning optimization problem by using quantum circuit. Two approaches, namely the average approach and the Partial Swap Test Cut-off method (PSTC) was proposed to search for the global minimum/maximum of two different objective functions. The current cost is $O(\sqrt{|\Theta|} N)$, but there is potential to improve PSTC further to $O(\sqrt{|\Theta|} \cdot sublinear \ N)$ by enhancing the checking process.
Abstract（参考訳）: 本稿では,量子回路を用いた機械学習最適化問題を解くことを目的とする。 2つの目的関数のグローバル最小/最大値を求めるために, 平均的アプローチと部分スワップテストカットオフ法(pstc)という2つの手法を提案した。現在のコストは$o(\sqrt{|\theta|} n)$であるが、チェックプロセスの強化によってさらに$o(\sqrt{|\theta|} \cdot sublinear \ n)$に改善される可能性がある。

関連論文リスト

Quantum Algorithm for Online Exp-concave Optimization [30.962392035110135]
本稿では,量子オンライン準ニュートン法を提案する。提案手法は, 量子推定不正確な勾配によりヘシアンを近似する。このような後悔は、最適古典アルゴリズムを$T2/3$の係数で改善する。
論文参考訳（メタデータ） (2024-10-25T16:58:44Z)
Quantum Algorithms for Non-smooth Non-convex Optimization [30.576546266390714]
本稿では、リプシッツ連続目的の$(,epsilon)$-Goldstein定常点を求める問題を考える。代理オラクル関数に対するゼロ階量子推定器を構築する。
論文参考訳（メタデータ） (2024-10-21T16:52:26Z)
Mind the gap: Achieving a super-Grover quantum speedup by jumping to the end [114.3957763744719]
本稿では,数種類のバイナリ最適化問題に対して,厳密な実行保証を有する量子アルゴリズムを提案する。このアルゴリズムは、$n$非依存定数$c$に対して、時間で$O*(2(0.5-c)n)$の最適解を求める。また、$k$-spinモデルからのランダムなインスタンスの多数と、完全に満足あるいはわずかにフラストレーションされた$k$-CSP式に対して、文 (a) がそうであることを示す。
論文参考訳（メタデータ） (2022-12-03T02:45:23Z)
Quantum Alternating Operator Ansatz for Solving the Minimum Exact Cover Problem [4.697039614904225]
量子交互演算子 ansatz (QAOA+) を用いて最小被覆(MEC)問題を解く。数値計算の結果,アルゴリズムのレベル$p$が低い場合,高い確率で解が得られることがわかった。また、1量子ビット回転ゲートを$R_Z$で除去することで量子回路を最適化する。
論文参考訳（メタデータ） (2022-11-28T12:45:52Z)
A Parallel Technique for Multi-objective Bayesian Global Optimization: Using a Batch Selection of Probability of Improvement [2.1055643409860743]
本稿では,複数の点をバッチで比較した5種類のemphProbability of Improvement (PoI)を提案する。様々なベンチマークに関する2つの実験を行い、2つのgreedy q-PoIの有効性を実証した。
論文参考訳（メタデータ） (2022-08-07T09:28:44Z)
Quantum Resources Required to Block-Encode a Matrix of Classical Data [56.508135743727934]
回路レベルの実装とリソース推定を行い、古典データの高密度な$Ntimes N$行列をブロックエンコードして$epsilon$を精度良くすることができる。異なるアプローチ間のリソーストレードオフを調査し、量子ランダムアクセスメモリ(QRAM)の2つの異なるモデルの実装を検討する。我々の結果は、単純なクエリの複雑さを超えて、大量の古典的データが量子アルゴリズムにアクセスできると仮定された場合のリソースコストの明確な図を提供する。
論文参考訳（メタデータ） (2022-06-07T18:00:01Z)
Wasserstein Solution Quality and the Quantum Approximate Optimization Algorithm: A Portfolio Optimization Case Study [0.0]
金融資産のポートフォリオを最適化することは、量子処理単位(QPU)に適したアルゴリズムを用いて概ね解決できる重要な産業問題である我々は,ゲートモデルQPUをターゲットとした量子近似最適化アルゴリズム(QAOA)を用いて,このアプローチの成功をベンチマークする。我々の焦点は、正規化および補化Wasserstein Distance, $eta$によって決定されたソリューションの品質である。
論文参考訳（メタデータ） (2022-02-14T15:00:28Z)
Adaptive Multi-Goal Exploration [118.40427257364729]
我々は、AdaGoalが$epsilon$-optimal goal-conditioned policyを学習する目的を達成するためにどのように使えるかを示す。 AdaGoalは、ゴール条件の深い強化学習のための既存の手法の高レベルなアルゴリズム構造に固定されている。
論文参考訳（メタデータ） (2021-11-23T17:59:50Z)
Bayesian Optimistic Optimisation with Exponentially Decaying Regret [58.02542541410322]
現在の実用的なBOアルゴリズムは、$mathcalO(fraclogNsqrtN)$から$mathcalO(e-sqrtN)$まで、$N$は評価の数である。本稿では,boと木に基づく楽観的楽観化の概念を絡み合うことにより,無音環境における後悔を改善できる可能性について検討する。次数$mathcal O(N-sqrt)で指数的再帰を達成できる最初の実践的手法であるBOOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-10T13:07:44Z)
A Momentum-Assisted Single-Timescale Stochastic Approximation Algorithm for Bilevel Optimization [112.59170319105971]
問題に対処するための新しいアルゴリズム - Momentum- Single-timescale Approximation (MSTSA) を提案する。 MSTSAでは、低いレベルのサブプロブレムに対する不正確な解決策のため、反復でエラーを制御することができます。
論文参考訳（メタデータ） (2021-02-15T07:10:33Z)
Provably Efficient Exploration in Policy Optimization [117.09887790160406]
本稿では,最適化アルゴリズム(OPPO)の最適変種を提案する。 OPPO は $tildeO(sqrtd2 H3 T )$ regret を達成する。我々の知る限りでは、OPPOは、探索する最初の証明可能な効率的なポリシー最適化アルゴリズムである。
論文参考訳（メタデータ） (2019-12-12T08:40:02Z)

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。