論文の概要: Quantum Fair Machine Learning
- arxiv url: http://arxiv.org/abs/2102.00753v1
- Date: Mon, 1 Feb 2021 10:36:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 09:48:02.263617
- Title: Quantum Fair Machine Learning
- Title(参考訳): 量子フェア機械学習
- Authors: Elija Perrier
- Abstract要約: 古典と量子フェアの機械学習アルゴリズムの違いと類似点の比較分析を行った。
本稿では,Groverの探索アルゴリズムを用いた量子フェア機械学習における最初の結果を示す。
正準リプシッツ条件の個々の公正度基準を量子メトリクスを用いて量子設定に拡張する。
- 参考スコア(独自算出の注目度): 1.8275108630751844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we inaugurate the field of quantum fair machine learning. We
undertake a comparative analysis of differences and similarities between
classical and quantum fair machine learning algorithms, specifying how the
unique features of quantum computation alter measures, metrics and remediation
strategies when quantum algorithms are subject to fairness constraints. We
present the first results in quantum fair machine learning by demonstrating the
use of Grover's search algorithm to satisfy statistical parity constraints
imposed on quantum algorithms. We provide lower-bounds on iterations needed to
achieve such statistical parity within $\epsilon$-tolerance. We extend
canonical Lipschitz-conditioned individual fairness criteria to the quantum
setting using quantum metrics. We examine the consequences for typical measures
of fairness in machine learning context when quantum information processing and
quantum data are involved. Finally, we propose open questions and research
programmes for this new field of interest to researchers in computer science,
ethics and quantum computation.
- Abstract(参考訳): 本稿では,量子フェア機械学習の分野について紹介する。
古典的および量子的フェアマシンラーニングアルゴリズムの違いと類似性の比較分析を行い、量子計算のユニークな特徴が、量子アルゴリズムが公平性制約の対象となる場合の尺度、メトリクス、修復戦略をどのように変更するかを特定します。
本稿では、グローバー探索アルゴリズムを用いて、量子アルゴリズムに課される統計パリティ制約を満たすことにより、量子フェア機械学習の最初の結果を示す。
我々は、$\epsilon$-tolerance内でそのような統計パリティを達成するために必要なイテレーションの低いバウンドを提供する。
正準リプシッツ条件の個々の公正度基準を量子メトリクスを用いて量子設定に拡張する。
量子情報処理と量子データに関わる機械学習コンテキストにおける公平性の典型的な尺度の結果を検討する。
最後に, 計算機科学, 倫理学, 量子計算分野の研究者に新たな関心を寄せるオープン質問と研究プログラムを提案する。
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) - Classical Verification of Quantum Learning [59.56832212419584]
量子学習の古典的検証のための枠組みを開発する。
そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。
この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
論文 参考訳(メタデータ) (2023-06-08T00:31:27Z) - 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) - Unclonability and Quantum Cryptanalysis: From Foundations to
Applications [0.0]
不規則性(Unclonability)は、量子理論の基本概念であり、量子情報の主要な非古典的性質の1つである。
我々は、量子世界、すなわち量子物理学的不閉性(quantum physical unclonability)という新しい非閉性の概念を導入する。
本稿では、暗号資源として、この新しいタイプの無拘束性(unclonability)のいくつかの応用について論じ、確実に安全な量子プロトコルを設計する。
論文 参考訳(メタデータ) (2022-10-31T17:57:09Z) - 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) - An Introduction to Quantum Computing for Statisticians [2.3757641219977392]
量子コンピューティングは、私たちの生き方や世界を理解する方法に革命をもたらす可能性がある。
このレビューは、統計学とデータ分析の応用に焦点を当てた、量子コンピューティングへのアクセシビリティな導入を提供することを目的としている。
論文 参考訳(メタデータ) (2021-12-13T12:08:28Z) - A thorough introduction to non-relativistic matrix mechanics in
multi-qudit systems with a study on quantum entanglement and quantum
quantifiers [0.0]
この記事では、非相対論的行列力学の深い理解を提供する。
それぞれ1-qubit, 1-qutrit, 2-qubit, 2-qudit コヒーレントおよび非コヒーレント密度演算子を導出し解析する。
また、量子非破壊測定、量子デコヒーレンス、特に量子エンタングルメントの基本的な概念についても論じる。
論文 参考訳(メタデータ) (2021-09-14T05:06:47Z) - Experimental violations of Leggett-Garg's inequalities on a quantum
computer [77.34726150561087]
単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。
本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
論文 参考訳(メタデータ) (2021-09-06T14:35:15Z) - 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) - Robustness Verification of Quantum Classifiers [1.3534683694551501]
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。
論文 参考訳(メタデータ) (2020-08-17T11:56:23Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳(メタデータ) (2020-05-06T14:18:44Z)
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。