論文の概要: Unsupervised Event Classification with Graphs on Classical and Photonic
Quantum Computers
- arxiv url: http://arxiv.org/abs/2103.03897v1
- Date: Fri, 5 Mar 2021 19:02:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 00:00:01.668601
- Title: Unsupervised Event Classification with Graphs on Classical and Photonic
Quantum Computers
- Title（参考訳）: 古典およびフォトニック量子コンピュータ上のグラフを用いた教師なしイベント分類
- Authors: Andrew Blance and Michael Spannowsky
- Abstract要約: フォトニック量子コンピュータは、量子コンピューティングの離散量子ビットベースのパラダイムよりもいくつかの利点を提供している。
新物理の探索に使用する異常検出モデルを構築した。
ガウスボソンサンプリングとQ平均と呼ばれるK平均への量子拡張を組み合わせた新しい異常検出法を提案する。
- 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: Photonic Quantum Computers provides several benefits over the discrete
qubit-based paradigm of quantum computing. By using the power of
continuous-variable computing we build an anomaly detection model to use on
searches for New Physics. Our model uses Gaussian Boson Sampling, a $\#$P-hard
problem and thus not efficiently accessible to classical devices. This is used
to create feature vectors from graph data, a natural format for representing
data of high-energy collision events. A simple K-means clustering algorithm is
used to provide a baseline method of classification. We then present a novel
method of anomaly detection, combining the use of Gaussian Boson Sampling and a
quantum extension to K-means known as Q-means. This is found to give equivalent
results compared to the classical clustering version while also reducing the
$\mathcal{O}$ complexity, with respect to the sample's feature-vector length,
from $\mathcal{O}(N)$ to $\mathcal{O}(\mbox{log}(N))$. Due to the speed of the
sampling algorithm and the feasibility of near-term photonic quantum devices,
anomaly detection at the trigger level can become practical in future LHC runs.
- Abstract（参考訳）: フォトニック量子コンピュータは量子コンピューティングの離散量子ビットベースのパラダイムよりもいくつかの利点を提供している。
連続変数コンピューティングの力を利用して、新しい物理学の探索に使用する異常検出モデルを構築します。
我々のモデルは、$$$$P-hard問題であるガウスボソンサンプリングを用いており、したがって古典的なデバイスには効率よくアクセスできない。
これは、高エネルギー衝突イベントのデータを表す自然なフォーマットであるグラフデータから特徴ベクトルを作成するために使用される。
単純なK平均クラスタリングアルゴリズムを用いて、分類のベースライン法を提供する。
次に, ガウスボゾンサンプリング法とq平均法として知られるk平均への量子拡張法を組み合わせた新しい異常検出法を提案する。
これは、古典的なクラスタリングバージョンと同等の結果を与えると同時に、サンプルの機能-ベクトル長に関して、$\mathcal{O}(N)$から$\mathcal{O}(\mbox{log}(N))$まで、$\mathcal{O}$複雑さを減少させる。
サンプリングアルゴリズムの高速化と短期フォトニック量子デバイスの実現により、将来のlhcではトリガーレベルの異常検出が実用化される。
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) - Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph
Classification [0.9935277311162707]
2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。
ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。
本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-05T21:24:11Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - A hybrid quantum-classical algorithm for multichannel quantum scattering
of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。
大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文 参考訳（メタデータ） (2023-04-12T18:10:47Z) - Solving Graph Problems Using Gaussian Boson Sampling [22.516585968074146]
ノイズの多い中間スケールの量子コンピュータを用いてグラフ問題を解く。
我々は,大きな光子クリック数を持つGBS増幅の存在と,特定の雑音下での強化を実験的に観察した。
我々の研究は、既存の中間スケール量子コンピュータを用いて現実の問題をテストするためのステップである。
論文 参考訳（メタデータ） (2023-02-02T08:25:47Z) - 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) - Validation tests of GBS quantum computers give evidence for quantum
advantage with a decoherent target [62.997667081978825]
複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。
偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
論文 参考訳（メタデータ） (2022-11-07T12:00:45Z) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳（メタデータ） (2022-07-07T08:04:15Z) - 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) - Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator [0.0]
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。
論文 参考訳（メタデータ） (2020-12-21T06:38:20Z) - Small quantum computers and large classical data sets [2.8174125805742416]
本稿では,大規模古典データセット X とモデル Y の空間に関する問題に対して,ハイブリッド古典量子アルゴリズムを提案する。
これらのアルゴリズムは、X の重み付き部分集合を構成するためにデータ還元技術を使用し、各モデルにほぼ同じ損失をもたらすコアセットである。
具体的な応用としては、k平均クラスタリング、論理回帰、ゼロサムゲーム、ブースティングなどがある。
論文 参考訳（メタデータ） (2020-03-31T18:00:16Z)
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。