論文の概要: Quantum-Enhanced Machine Learning for Covid-19 and Anderson Insulator Predictions

• arxiv url: http://arxiv.org/abs/2012.03472v1
• Date: Mon, 7 Dec 2020 06:33:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 21:12:40.279843
• Title: Quantum-Enhanced Machine Learning for Covid-19 and Anderson Insulator Predictions
• Title（参考訳）: Covid-19とAnderson Insulator予測のための量子強化機械学習
• Authors: Paul-Aymeric McRae and Michael Hilke
• Abstract要約: 機械学習の「量子エンハンスメント」のためのプロトコルの有効性を評価する。 計算には16量子ビットのIBM量子コンピュータを使用しました。 量子エンハンスメント(quantum enhancement)"は汎用的ではなく、より複雑な機械学習タスクでは失敗する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Machine Learning (QML) algorithms to solve classifications problems have been made available thanks to recent advancements in quantum computation. While the number of qubits are still relatively small, they have been used for "quantum enhancement" of machine learning. An important question is related to the efficacy of such protocols. We evaluate this efficacy using common baseline data sets, in addition to recent coronavirus spread data as well as the quantum metal-insulator transition in three dimensions. For the computation, we used the 16 qubit IBM quantum computer. We find that the "quantum enhancement" is not generic and fails for more complex machine learning tasks.
• Abstract（参考訳）: 分類問題を解決する量子機械学習(QML)アルゴリズムは、近年の量子計算の進歩により利用可能になった。 量子ビットの数は依然として比較的少ないが、機械学習の「量子強化」に使われている。 重要な質問は、そのようなプロトコルの有効性に関するものである。 この効果は,最近の新型コロナウイルスの拡散データに加えて,3次元の量子金属絶縁体転移に加え,共通のベースラインデータセットを用いて評価する。 計算には16量子ビットのIBM量子コンピュータを使用しました。 量子エンハンスメント(quantum enhancement)"は汎用的ではなく、より複雑な機械学習タスクでは失敗する。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• VQE-generated Quantum Circuit Dataset for Machine Learning [0.5658123802733283]
  変動量子固有解法により最適化された量子回路のデータセットを提供する。 このデータセットは量子的手法で容易に学習できることが示される。
  論文  参考訳（メタデータ） (2023-02-20T04:08:44Z)
• 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)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Systematic Literature Review: Quantum Machine Learning and its applications [0.0]
  この写本は、2017年から2023年にかけて発行された論文の体系的文献レビューを提示することを目的としている。 本研究では、量子機械学習技術とアルゴリズムを使用した94の論文を特定した。 既存の量子コンピュータには、量子コンピューティングがその完全な潜在能力を達成するのに十分な品質、速度、スケールが欠けているため、量子ハードウェアの改善が必要である。
  論文  参考訳（メタデータ） (2022-01-11T17:36:34Z)
• Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
  行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。 これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。 また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
  論文  参考訳（メタデータ） (2021-11-05T16:36:09Z)
• Large-scale quantum machine learning [0.0]
  ランダム化計測を用いて量子カーネルを計測し、2次高速化を行い、大規模データセットを高速に処理する。 我々は高次元データを回路深度と線形にスケーリングする特徴数で量子コンピュータに効率的にエンコードする。 現在利用可能な量子コンピュータを使用して、MNISTデータベースは10年ではなく220時間以内に処理できる。
  論文  参考訳（メタデータ） (2021-08-02T17:00:18Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)

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。