論文の概要: Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator

• arxiv url: http://arxiv.org/abs/2012.11139v1
• Date: Mon, 21 Dec 2020 06:38:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 00:37:00.456263
• Title: Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator
• Title（参考訳）: 並列ユークリッド距離推定器を用いた量子Kメディアンアルゴリズム
• Authors: Amanuel Tamirat Getachew
• Abstract要約: 本稿では,量子ユークリッド推定アルゴリズムを用いた効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。 提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。
• 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, though in its initial stage, has demonstrated its potential to speed up some of the costly machine learning calculations when compared to the existing classical approaches. Among the challenging subroutines, computing distance between with the large and high-dimensional data sets by the classical k-medians clustering algorithm is one of them. To tackle this challenge, this paper proposes an efficient quantum k-medians clustering algorithm using the powerful quantum Euclidean estimator algorithm. The proposed quantum k-medians algorithm has provided an exponential speed up as compared to the classical version of it. If and only if we allow the input and the output vectors to be quantum states. The proposed algorithm implementation handled in python with the help of third-party module known as QISKit. The implemented quantum algorithm was executed on the IBM Quantum simulators through cloud. The results from the experiment and simulation suggest that quantum distance estimator algorithms could give benefits for other distance-based machine learning algorithms like k-nearest neighbor classification, support vector machine, hierarchical clustering and k-means clustering. This work sheds light on the bright future of the age of big data making use of exponential speed up provided by quantum theory.
• Abstract（参考訳）: 量子機械学習は、初期の段階では、既存の古典的アプローチと比較してコストのかかる機械学習計算を高速化する可能性を実証している。 挑戦的なサブルーチンのうち、古典的なk-メディアンクラスタリングアルゴリズムによる大規模および高次元データセットとの計算距離はその1つである。 そこで本研究では,量子ユークリッド推定アルゴリズムを用いて,効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。 提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。 入力ベクトルと出力ベクトルが量子状態であることを許すならば、かつ、その限りである。 提案したアルゴリズムの実装は、QISKitとして知られるサードパーティモジュールの助けを借りて、pythonで処理された。 実装された量子アルゴリズムはIBM Quantumシミュレータ上でクラウドを介して実行された。 実験とシミュレーションの結果から、量子距離推定アルゴリズムは、k-ネアレスト近傍分類、サポートベクターマシン、階層クラスタリング、k-平均クラスタリングといった他の距離ベース機械学習アルゴリズムに恩恵をもたらす可能性が示唆された。 この研究は、量子理論による指数関数的速度向上を生かして、ビッグデータ時代の明るい未来に光を当てている。

関連論文リスト

• A quantum implementation of high-order power method for estimating geometric entanglement of pure states [39.58317527488534]
  この研究は、多ビット純状態の絡み合いの幾何学的測度を推定する反復高次電力法の量子的適応を示す。 現在の(ハイブリッドな)量子ハードウェア上で実行可能であり、量子メモリに依存しない。 標準偏極チャネルに基づく単純な理論モデルを用いて,雑音がアルゴリズムに与える影響について検討する。
  論文  参考訳（メタデータ） (2024-05-29T14:40:24Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Quantum jet clustering with LHC simulated data [0.0]
  2つの新しい量子アルゴリズムは、古典的なジェットクラスタリングアルゴリズムを高速化する。 最初の2つのアルゴリズムでは、次元とデータ長の指数的なスピードアップを達成することができる。 k_T$アルゴリズムでは、FastJetと同じ順序の量子バージョンが達成される。
  論文  参考訳（メタデータ） (2022-09-19T10:51:13Z)
• Variational Quantum and Quantum-Inspired Clustering [0.0]
  本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。 このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2022-06-20T17:02:19Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Quantum clustering and jet reconstruction at the LHC [0.0]
  CERNのLarge Hadron Colliderでのジェットクラスタリングは計算コストが高い。 古典ジェットクラスタリングアルゴリズムを高速化する2つの新しい量子アルゴリズムを考える。
  論文  参考訳（メタデータ） (2022-04-13T16:27:04Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• QEML (Quantum Enhanced Machine Learning): Using Quantum Computing to Enhance ML Classifiers and Feature Spaces [0.49841205356595936]
  機械学習と量子コンピューティングは、特定のアルゴリズムのパフォーマンスと振る舞いにパラダイムシフトを引き起こしている。 本稿ではまず,量子的特徴空間の実装に関する数学的直観について述べる。 従来のKNNの分類手法を模倣した雑音変動量子回路KNNを構築した。
  論文  参考訳（メタデータ） (2020-02-22T04:14:32Z)

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。