論文の概要: Quantum Discriminator for Binary Classification
- arxiv url: http://arxiv.org/abs/2009.01235v3
- Date: Fri, 28 Jan 2022 02:36:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 18:52:13.344764
- Title: Quantum Discriminator for Binary Classification
- Title(参考訳): バイナリ分類のための量子判別器
- Authors: Prasanna Date and Wyatt Smith
- Abstract要約: 本稿では,量子識別器と呼ばれる新しい量子機械学習モデルを提案する。
量子判別器はシミュレーションにおいて99%の精度が得られることを示す。
- 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 computers have the unique ability to operate relatively quickly in
high-dimensional spaces -- this is sought to give them a competitive advantage
over classical computers. In this work, we propose a novel quantum machine
learning model called the Quantum Discriminator, which leverages the ability of
quantum computers to operate in the high-dimensional spaces. The quantum
discriminator is trained using a quantum-classical hybrid algorithm in O(N
logN) time, and inferencing is performed on a universal quantum computer in
linear time. The quantum discriminator takes as input the binary features
extracted from a given datum along with a prediction qubit initialized to the
zero state and outputs the predicted label. We analyze its performance on the
Iris data set and show that the quantum discriminator can attain 99% accuracy
in simulation.
- Abstract(参考訳): 量子コンピュータは、高次元空間において比較的迅速に動作できるユニークな能力を持っている。
本研究では,量子コンピュータが高次元空間で動作する能力を活用する量子識別器(Quantum Discriminator)と呼ばれる新しい量子機械学習モデルを提案する。
量子判別器は、O(N logN)時間で量子古典ハイブリッドアルゴリズムを用いて訓練され、線形時間で普遍量子コンピュータ上で推論を行う。
量子判別器は、ゼロ状態に初期化された予測キュービットと共に所定のデータムから抽出されたバイナリ特徴を入力とし、予測ラベルを出力する。
我々は、irisデータセット上での性能を分析し、量子判別器が99%の精度が得られることを示す。
関連論文リスト
- 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) - Practical limitations of quantum data propagation on noisy quantum
processors [1.2891210250935146]
行列を高い条件数で反転させるのに古典的な計算を必要とする量子アルゴリズムは、誤り確率が非常に低い単一および2量子ゲートを必要とすることを示す。
我々の研究は、ノイズの多い環境下で実行できるハイブリッド量子古典アルゴリズムの主流概念に挑戦する。
論文 参考訳(メタデータ) (2023-06-22T17:12:52Z) - 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) - 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) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳(メタデータ) (2022-09-16T02:37:32Z) - Machine learning applications for noisy intermediate-scale quantum
computers [0.0]
NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。
これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。
近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-05-19T09:26:57Z) - Trainable Discrete Feature Embeddings for Variational Quantum Classifier [4.40450723619303]
我々は、QRAC(Quantum Random Access Coding)を用いて、より少ない量子ビットで離散的な特徴をマップする方法を示す。
QRACと最近提案された量子量学習(quantum metric learning)と呼ばれる量子特徴マップのトレーニング戦略を組み合わせることで、個別の特徴をトレーニング可能な量子回路に埋め込む新しい手法を提案する。
論文 参考訳(メタデータ) (2021-06-17T12:02:01Z) - Quantum State Discrimination for Supervised Classification [0.5772546394254112]
本稿では,量子状態の識別が,機械学習における標準的な分類問題に対処するための有用なツールであることを示す。
従来の研究は、最適量子測定理論が新しい二項分類アルゴリズムを刺激できることを示した。
量子状態の識別に着想を得た任意の多クラス分類モデルを提案する。
論文 参考訳(メタデータ) (2021-04-02T10:22:59Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - A rigorous and robust quantum speed-up in supervised machine learning [6.402634424631123]
本稿では,汎用量子学習アルゴリズムを用いて,教師付き分類のための厳密な量子スピードアップを確立する。
我々の量子分類器は、フォールトトレラント量子コンピュータを用いてカーネル関数を推定する従来のサポートベクトルマシンである。
論文 参考訳(メタデータ) (2020-10-05T17:22:22Z)
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。