論文の概要: Robustness Verification of Quantum Classifiers
- arxiv url: http://arxiv.org/abs/2008.07230v2
- Date: Mon, 31 May 2021 15:59:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 04:28:06.893352
- Title: Robustness Verification of Quantum Classifiers
- Title(参考訳): 量子分類器のロバスト性検証
- Authors: Ji Guan, Wang Fang, and Mingsheng Ying
- Abstract要約: 我々は、雑音に対する量子機械学習アルゴリズムの検証と解析のための正式なフレームワークを定義する。
堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。
我々のアプローチはGoogleのQuantum分類器に実装されており、ノイズの小さな乱れに関して量子機械学習アルゴリズムの堅牢性を検証することができる。
- 参考スコア(独自算出の注目度): 1.3534683694551501
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Several important models of machine learning algorithms have been
successfully generalized to the quantum world, with potential speedup to
training classical classifiers and applications to data analytics in quantum
physics that can be implemented on the near future quantum computers. However,
quantum noise is a major obstacle to the practical implementation of quantum
machine learning. In this work, we define a formal framework for the robustness
verification and analysis of quantum machine learning algorithms against
noises. A robust bound is derived and an algorithm is developed to check
whether or not a quantum machine learning algorithm is robust with respect to
quantum training data. In particular, this algorithm can find adversarial
examples during checking. Our approach is implemented on Google's TensorFlow
Quantum and can verify the robustness of quantum machine learning algorithms
with respect to a small disturbance of noises, derived from the surrounding
environment. The effectiveness of our robust bound and algorithm is confirmed
by the experimental results, including quantum bits classification as the
"Hello World" example, quantum phase recognition and cluster excitation
detection from real world intractable physical problems, and the classification
of MNIST from the classical world.
- Abstract(参考訳): 機械学習アルゴリズムのいくつかの重要なモデルが量子世界への一般化に成功し、古典的分類器の訓練と、近い将来の量子コンピュータに実装可能な量子物理学のデータ分析への応用への潜在的なスピードアップが実現されている。
しかし、量子ノイズは量子機械学習の実践的な実装にとって大きな障害である。
本研究では,雑音に対する量子機械学習アルゴリズムの堅牢性検証と解析のための公式なフレームワークを定義する。
堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。
特に、このアルゴリズムはチェック中に逆の例を見つけることができる。
我々のアプローチはGoogleのTensorFlow Quantumに実装されており、周辺環境から派生したノイズの小さな乱れに対する量子機械学習アルゴリズムの堅牢性を検証することができる。
このアルゴリズムの有効性は,量子ビットの「hello world」例としての分類,実世界の難解な物理問題からの量子位相認識とクラスタ励起検出,古典的世界からのmnistの分類など,実験結果によって確認されている。
関連論文リスト
- Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳(メタデータ) (2024-01-31T01:02:16Z) - Long-lived Particles Anomaly Detection with Parametrized Quantum
Circuits [0.0]
パラメタライズド量子回路に基づく異常検出アルゴリズムを提案する。
このアルゴリズムは古典的なコンピュータで訓練され、シミュレーションや実際の量子ハードウェアでテストされている。
論文 参考訳(メタデータ) (2023-12-07T11:50:42Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - Detecting Violations of Differential Privacy for Quantum Algorithms [3.55689240295244]
量子アルゴリズムの差分プライバシー違反を検出するための公式な枠組みを定義する。
差分プライバシー違反が報告されたときに情報を生成するため、ノイズの多いバッジアルゴリズムを開発する。
結果は、すでに現実的な量子コンピュータに実装されているほぼ全ての種類の量子アルゴリズムの実験結果によって確認される。
論文 参考訳(メタデータ) (2023-09-09T15:07:31Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Tensor-Network Simulations of Noisy Quantum Computers [0.0]
雑音量子コンピュータ上での3つの量子アルゴリズムの実行をシミュレートする。
絡み合いの適度な損失があっても、高い忠実度で実行できることがわかりました。
論文 参考訳(メタデータ) (2023-04-04T12:42:18Z) - 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) - Near-Term Quantum Computing Techniques: Variational Quantum Algorithms,
Error Mitigation, Circuit Compilation, Benchmarking and Classical Simulation [5.381727213688375]
私たちはまだ、本格的な量子コンピュータの成熟まで長い道のりを歩んでいます。
注目すべき課題は、非自明なタスクを確実に実行可能なアプリケーションを開発することです。
誤りを特徴づけ、緩和するために、いくつかの短期量子コンピューティング技術が提案されている。
論文 参考訳(メタデータ) (2022-11-16T07:53:15Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳(メタデータ) (2022-04-26T09:52:02Z) - Variational Quantum Anomaly Detection: Unsupervised mapping of phase
diagrams on a physical quantum computer [0.0]
量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。
このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。
現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
論文 参考訳(メタデータ) (2021-06-15T06:54:47Z)
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。