論文の概要: Variational inference with a quantum computer
- arxiv url: http://arxiv.org/abs/2103.06720v1
- Date: Thu, 11 Mar 2021 15:12:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 14:36:29.393712
- Title: Variational inference with a quantum computer
- Title(参考訳): 量子コンピュータを用いた変分推論
- Authors: Marcello Benedetti, Brian Coyle, Mattia Fiorentini, Michael Lubasch,
Matthias Rosenkranz
- Abstract要約: 推論(inference)は、関連する変数の観測から、観察されない変数に関する結論を導くタスクである。
確率分布は、観測されていない変数に対する後方分布を近似するために最適化される。
本研究では,離散変数上の変分分布として量子ボーンマシンを提案する。
- 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: Inference is the task of drawing conclusions about unobserved variables given
observations of related variables. Applications range from identifying diseases
from symptoms to classifying economic regimes from price movements.
Unfortunately, performing exact inference is intractable in general. One
alternative is variational inference, where a candidate probability
distribution is optimized to approximate the posterior distribution over
unobserved variables. For good approximations a flexible and highly expressive
candidate distribution is desirable. In this work, we propose quantum Born
machines as variational distributions over discrete variables. We apply the
framework of operator variational inference to achieve this goal. In
particular, we adopt two specific realizations: one with an adversarial
objective and one based on the kernelized Stein discrepancy. We demonstrate the
approach numerically using examples of Bayesian networks, and implement an
experiment on an IBM quantum computer. Our techniques enable efficient
variational inference with distributions beyond those that are efficiently
representable on a classical computer.
- Abstract(参考訳): 推論(inference)は、関連する変数の観測から、観察されない変数に関する結論を導くタスクである。
応用は、症状から病気を識別することから、価格変動から経済体制を分類することまで様々である。
残念ながら、正確な推論の実行は一般的には難しい。
確率分布は、観測されていない変数に対する後方分布を近似するために最適化される。
良好な近似を得るためには、柔軟で表現性の高い候補分布が望ましい。
本研究では,離散変数上の変分分布として量子ボーンマシンを提案する。
この目的を達成するために演算子変分推論の枠組みを適用する。
特に,敵意を持ったものと,カーネル化されたスタインの不一致に基づくものという,2つの具体化が採用されている。
ベイジアンネットワークの例を用いて,この手法を数値的に実証し,IBM量子コンピュータ上で実験を行う。
提案手法は,従来のコンピュータ上で効率よく表現可能な分布を用いた効率的な変分推定を可能にする。
関連論文リスト
- Indiscriminate Disruption of Conditional Inference on Multivariate Gaussians [60.22542847840578]
敵対的機械学習の進歩にもかかわらず、敵対者の存在下でのガウスモデルに対する推論は特に過小評価されている。
我々は,意思決定者の条件推論とその後の行動の妨害を希望する自己関心のある攻撃者について,一組の明らかな変数を乱すことで検討する。
検出を避けるため、攻撃者は、破損した証拠の密度によって可否が決定される場合に、攻撃が可否を示すことを望んでいる。
論文 参考訳(メタデータ) (2024-11-21T17:46:55Z) - SoftCVI: Contrastive variational inference with self-generated soft labels [2.5398014196797614]
変分推論とマルコフ連鎖モンテカルロ法がこのタスクの主要なツールである。
ソフトコントラスト変動推論(SoftCVI)を導入し、コントラスト推定フレームワークを用いて変動対象のファミリーを導出する。
我々は、SoftCVIを用いて、訓練や大量発見に安定な目標を定式化することができ、他の変分アプローチよりも頻繁に優れた推論が可能であることを発見した。
論文 参考訳(メタデータ) (2024-07-22T14:54:12Z) - DistPred: A Distribution-Free Probabilistic Inference Method for Regression and Forecasting [14.390842560217743]
本稿では、回帰予測タスクのためのDistPredという新しい手法を提案する。
予測分布と対象分布の差分を測定するための適切なスコアリングルールを、微分可能な離散形式に変換する。
これにより、モデルは単一のフォワードパスで多数のサンプルをサンプリングし、応答変数の潜在的分布を推定することができる。
論文 参考訳(メタデータ) (2024-06-17T10:33:00Z) - Proxy Methods for Domain Adaptation [78.03254010884783]
プロキシ変数は、遅延変数を明示的にリカバリしたりモデル化したりすることなく、分散シフトへの適応を可能にする。
両設定の複雑な分散シフトに適応する2段階のカーネル推定手法を開発した。
論文 参考訳(メタデータ) (2024-03-12T09:32:41Z) - Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
データから解釈可能な等価性を発見する方法について検討する。
具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。
また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
論文 参考訳(メタデータ) (2022-04-07T17:59:19Z) - Generative Quantum Learning of Joint Probability Distribution Functions [1.221966660783828]
我々はコプラをモデル化するための量子機械学習アルゴリズムを設計する。
任意のコプラを最大交絡状態に自然にマッピングできることが示される。
変分 ansatz を qopula' として定義すると、変数間の任意の相関が生成される。
論文 参考訳(メタデータ) (2021-09-13T20:50:15Z) - Predicting with Confidence on Unseen Distributions [90.68414180153897]
ドメイン適応と予測不確実性文学を結びつけて、挑戦的な未知分布のモデル精度を予測する。
分類器の予測における信頼度(DoC)の差は,様々な変化に対して,分類器の性能変化を推定することに成功した。
具体的には, 合成分布と自然分布の区別について検討し, その単純さにもかかわらず, DoCは分布差の定量化に優れることを示した。
論文 参考訳(メタデータ) (2021-07-07T15:50:18Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳(メタデータ) (2021-06-07T17:44:49Z) - An Embedded Model Estimator for Non-Stationary Random Functions using
Multiple Secondary Variables [0.0]
本稿では,本手法を導入し,地理的モデリングや量子ランダムフォレストに適用した結果と自然に類似した一貫性を有することを示す。
このアルゴリズムは、各ターゲット位置におけるターゲット変数の条件分布を推定することで機能する。
論文 参考訳(メタデータ) (2020-11-09T00:14:24Z) - Variational Inference as Iterative Projection in a Bayesian Hilbert
Space with Application to Robotic State Estimation [14.670851095242451]
変分ベイズ推論は統計学からロボット工学への応用を見つける重要な機械学習ツールである。
KLの発散に基づく変分推論は、ユークリッドの意味では、選択された近似族に対応する部分空間へのベイズ後方の反復射影に等しいことを示す。
論文 参考訳(メタデータ) (2020-05-14T21:33:31Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳(メタデータ) (2020-02-17T19:23:36Z)
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。