論文の概要: Tree tensor network classifiers for machine learning: from
quantum-inspired to quantum-assisted
- arxiv url: http://arxiv.org/abs/2104.02249v1
- Date: Tue, 6 Apr 2021 02:31:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 06:29:17.257101
- Title: Tree tensor network classifiers for machine learning: from
quantum-inspired to quantum-assisted
- Title（参考訳）: 機械学習のための木テンソルネットワーク分類器:量子から量子支援へ
- Authors: Michael L. Wall, Giuseppe D'Aguanno
- Abstract要約: 本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。
本稿ではゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
- 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: We describe a quantum-assisted machine learning (QAML) method in which
multivariate data is encoded into quantum states in a Hilbert space whose
dimension is exponentially large in the length of the data vector. Learning in
this space occurs through applying a low-depth quantum circuit with a tree
tensor network (TTN) topology, which acts as an unsupervised feature extractor
to identify the most relevant quantum states in a data-driven fashion. This
unsupervised feature extractor then feeds a supervised linear classifier and
encodes the output in a small-dimensional quantum register. In contrast to
previous work on \emph{quantum-inspired} TTN classifiers, in which the
embedding map and class decision weights did not map the data to well-defined
quantum states, we present an approach that can be implemented on gate-based
quantum computing devices. In particular, we identify an embedding map with
accuracy similar to exponential machines (Novikov \emph{et al.},
arXiv:1605.03795), but which produces valid quantum states from classical data
vectors, and utilize manifold-based gradient optimization schemes to produce
isometric operations mapping quantum states to a register of qubits defining a
class decision. We detail methods for efficiently obtaining one- and two-point
correlation functions of the decision boundary vectors of the quantum model,
which can be used for model interpretability, as well as methods for obtaining
classifications from partial data vectors. Further, we show that the use of
isometric tensors can significantly aid in the human interpretability of the
correlation functions extracted from the decision weights, and may produce
models that are less susceptible to adversarial perturbations. We demonstrate
our methodologies in applications utilizing the MNIST handwritten digit dataset
and a multivariate timeseries dataset of human activity recognition.
- Abstract（参考訳）: 本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。
この空間での学習は、木テンソルネットワーク(TTN)トポロジーを持つ低深さ量子回路を適用し、データ駆動方式で最も関連する量子状態を特定するために教師なしの特徴抽出器として機能する。
この教師なし特徴抽出器は教師なし線形分類器を供給し、出力を小さな次元量子レジスタにエンコードする。
組込みマップとクラス決定重みが適切に定義された量子状態にデータをマップしないような, TTN分類器に関する以前の研究とは対照的に, ゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
特に、指数機械(Novikov \emph{et al)に類似した精度の埋め込み写像を同定する。
古典的なデータベクトルから有効な量子状態を生成し、多様体に基づく勾配最適化スキームを使用して、量子状態がクラス決定を定義する量子ビットのレジスタにマッピングされる等メトリックな操作を生成する。
本稿では,モデル解釈に使用可能な量子モデルの決定境界ベクトルの一点相関関数と二点相関関数を効率的に得る手法と,部分データベクトルからの分類を求める手法について詳述する。
さらに, 等尺テンソルの使用は, 決定重みから抽出した相関関数の人間の解釈可能性に大きく寄与し, 対向的摂動の影響を受けにくいモデルを生成できることを示した。
本手法は,MNIST手書き桁データセットと多変量時系列データセットを用いた人間の活動認識の応用例を示す。
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) - MORE: Measurement and Correlation Based Variational Quantum Circuit for
Multi-classification [10.969833959443495]
MOREは、測定と相関に基づく変分量子多重分類器の略である。
我々はQiskit Pythonライブラリを使ってMOREを実装し、ノイズフリーとノイズの多い量子システムの両方で広範囲にわたる実験により評価する。
論文 参考訳（メタデータ） (2023-07-21T19:33:10Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳（メタデータ） (2022-04-26T09:52:02Z) - A tensor network discriminator architecture for classification of
quantum data on quantum computers [0.0]
ホログラフィックアルゴリズムを用いて量子コンピュータ上での量子データを識別するために,行列積状態(MPS)モデルを用いることを実証する。
結合4MPSをモデルとしたエンタングル入力データを用いて,QuantinuumのH1-2トラップイオン量子コンピュータのモデルについて実験的に評価した。
論文 参考訳（メタデータ） (2022-02-22T14:19:42Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - 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) - Quantum embeddings for machine learning [5.16230883032882]
量子分類器は、機械学習モデルとして使用されるトレーニング可能な量子回路である。
我々は、ヒルベルト空間におけるデータクラスを最大限に分離することを目的として、回路の最初の部分(埋め込み)を訓練することを提案する。
このアプローチは量子機械学習のための強力な分析フレームワークを提供する。
論文 参考訳（メタデータ） (2020-01-10T19:00:01Z)
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。