論文の概要: Single-preparation unsupervised quantum machine learning: concepts and
applications
- arxiv url: http://arxiv.org/abs/2101.01442v1
- Date: Tue, 5 Jan 2021 10:31:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 11:29:09.121347
- Title: Single-preparation unsupervised quantum machine learning: concepts and
applications
- Title（参考訳）: 単一準備型教師なし量子機械学習:概念と応用
- Authors: Yannick Deville, Alain Deville
- Abstract要約: まず、古典的および量子的フレームワークにおいて、すべての問題間の接続を分析する。
次に、量子データおよび/または量子処理手段を含む最も困難なバージョンに焦点を当てます。
本稿では,Single-Preparation Quantum Information Processingの概念を提案する。
- 参考スコア（独自算出の注目度）: 1.7056768055368385
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The term "machine learning" especially refers to algorithms that derive
mappings, i.e. intput/output transforms, by using numerical data that provide
information about considered transforms. These transforms appear in many
problems, related to classification/clustering, regression, system
identification, system inversion and input signal restoration/separation. We
here first analyze the connections between all these problems, in the classical
and quantum frameworks. We then focus on their most challenging versions,
involving quantum data and/or quantum processing means, and unsupervised, i.e.
blind, learning. Moreover, we propose the quite general concept of
SIngle-Preparation Quantum Information Processing (SIPQIP). The resulting
methods only require a single instance of each state, whereas usual methods
have to very accurately create many copies of each fixed state. We apply our
SIPQIP concept to various tasks, related to system identification (blind
quantum process tomography or BQPT, blind Hamiltonian parameter estimation or
BHPE, blind quantum channel identification/estimation, blind phase estimation),
system inversion and state estimation (blind quantum source separation or BQSS,
blind quantum entangled state restoration or BQSR, blind quantum channel
equalization) and classification. Numerical tests show that our framework
moreover yields much more accurate estimation than the standard
multiple-preparation approach. Our methods are especially useful in a quantum
computer, that we propose to more briefly call a "quamputer": BQPT and BHPE
simplify the characterization of the gates of quamputers; BQSS and BQSR allow
one to design quantum gates that may be used to compensate for the
non-idealities that alter states stored in quantum registers, and they open the
way to the much more general concept of self-adaptive quantum gates (see longer
version of abstract in paper).
- Abstract（参考訳）: 機械学習」という言葉は特に、マッピングを導出するアルゴリズムを指す。
intput/output変換は、考慮された変換に関する情報を提供する数値データを使用する。
これらの変換は、分類/クラスタリング、回帰、システム識別、システム反転、入力信号の復元/分離など、多くの問題に現れる。
ここでは、これらすべての問題、古典的および量子的フレームワーク間の関係をまず分析する。
次に、量子データおよび/または量子処理手段を含む最も困難なバージョン、すなわち教師なしバージョンに焦点を当てます。
盲目 学習
さらに,sipqip(single-preparation quantum information processing)の一般概念を提案する。
結果として得られたメソッドは各状態の単一のインスタンスのみを必要とするが、通常のメソッドは各固定状態のコピーを非常に正確に生成する必要がある。
我々は,SIPQIPの概念を,システム同定(盲点量子プロセストモグラフィ,盲点ハミルトンパラメータ推定,BHPE,盲点量子チャネル同定・推定,盲点位相推定),システム反転と状態推定(盲点量子ソース分離,BQSS,盲点量子チャネル等化,盲点量子チャネル等化),分類など,様々なタスクに適用する。
また, 数値実験により, 標準多重準備法よりも精度の高い推定が可能となった。
bqssとbqsrは量子レジスタに格納されている状態を変化させる非理想性を補うために使用される量子ゲートの設計を可能にし、より一般的な自己適応型量子ゲートの概念への道を開く(論文のより長いバージョンの抽象版を参照)。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Mixed-Dimensional Qudit State Preparation Using Edge-Weighted Decision Diagrams [3.393749500700096]
量子コンピュータは難解な問題を解く可能性がある。
このポテンシャルを利用するための重要な要素の1つは、多値系(qudit)のために量子状態を効率的に準備する能力である。
本稿では,混合次元系に着目した量子状態生成法について検討する。
論文 参考訳（メタデータ） (2024-06-05T18:00:01Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-26T18:23:21Z) - 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) - Variational Quantum Eigensolver for Classification in Credit Sales Risk [0.5524804393257919]
本稿では,変分量子固有解器(VQE)といわゆるSWAP-Testに基づく量子回路について考察する。
活用されたデータセットでは、2つのクラスが観察できる。
この解はコンパクトであり、対数的に増加するキュービット数だけを必要とする。
論文 参考訳（メタデータ） (2023-03-05T23:08:39Z) - Delegated variational quantum algorithms based on quantum homomorphic
encryption [69.50567607858659]
変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。
クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。
量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
論文 参考訳（メタデータ） (2023-01-25T07:00:13Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - A prototype of quantum von Neumann architecture [0.0]
我々は、フォン・ノイマンアーキテクチャの量子バージョンである普遍量子コンピュータシステムのモデルを提案する。
量子メモリユニットの要素としてebitを使用し、量子制御ユニットと処理ユニットの要素としてqubitを使用する。
本研究は,量子情報の多様体パワーを実証し,量子コンピュータシステム構築の道を開くものである。
論文 参考訳（メタデータ） (2021-12-17T06:33:31Z) - Certification of quantum states with hidden structure of their
bitstrings [0.0]
本稿では,量子状態の説明と識別を行う数値的に安価な手法を提案する。
エンタングルメントの構造が異なる量子状態を特徴付けるのに十分であることを示す。
本手法は、多体量子磁気システムにおいて、異なる性質の相転移を検出するために用いられる。
論文 参考訳（メタデータ） (2021-07-21T06:22:35Z) - 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) - VSQL: Variational Shadow Quantum Learning for Classification [6.90132007891849]
我々は,変分影量子学習と呼ぶ教師付き量子学習のための新しいハイブリッド量子古典フレームワークを提案する。
まず,変分影量子回路を用いて古典的特徴を畳み込みで抽出し,完全連結ニューラルネットワークを用いて分類タスクを完了させる。
本手法は,パラメータ数を著しく削減し,量子回路トレーニングをより容易に行うことができることを示す。
論文 参考訳（メタデータ） (2020-12-15T13:51:01Z)
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。