論文の概要: Variational Quantum Classifiers Through the Lens of the Hessian

• arxiv url: http://arxiv.org/abs/2105.10162v1
• Date: Fri, 21 May 2021 06:57:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 10:28:02.019551
• Title: Variational Quantum Classifiers Through the Lens of the Hessian
• Title（参考訳）: ヘシアンレンズによる変分量子分類器
• Authors: Pinaki Sen and Amandeep Singh Bhatia
• Abstract要約: 量子コンピューティングでは、変分量子アルゴリズム(VQA)は最適な組み合わせを見つけるのに適している。 勾配勾配勾配最適化アルゴリズムによるVQAの訓練は、よい収束性を示した。 古典的なディープラーニングと同様に、変分量子回路は勾配問題に悩まされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In quantum computing, the variational quantum algorithms (VQAs) are well suited for finding optimal combinations of things in specific applications ranging from chemistry all the way to finance. The training of VQAs with gradient descent optimization algorithm has shown a good convergence. At an early stage, the simulation of variational quantum circuits on noisy intermediate-scale quantum (NISQ) devices suffers from noisy outputs. Just like classical deep learning, it also suffers from vanishing gradient problems. It is a realistic goal to study the topology of loss landscape, to visualize the curvature information and trainability of these circuits in the existence of vanishing gradients. In this paper, we calculated the Hessian and visualized the loss landscape of variational quantum classifiers at different points in parameter space. The curvature information of variational quantum classifiers (VQC) is interpreted and the loss function's convergence is shown. It helps us better understand the behavior of variational quantum circuits to tackle optimization problems efficiently. We investigated the variational quantum classifiers via Hessian on quantum computers, started with a simple 4-bit parity problem to gain insight into the practical behavior of Hessian, then thoroughly analyzed the behavior of Hessian's eigenvalues on training the variational quantum classifier for the Diabetes dataset.
• Abstract（参考訳）: 量子コンピューティングにおいて、変分量子アルゴリズム(VQA)は化学からファイナンスに至るまで、特定の応用において最適な組み合わせを見つけるのに適している。 勾配勾配勾配最適化アルゴリズムによるVQAの訓練は、よい収束性を示した。 初期の段階では、ノイズの多い中間スケール量子(nisq)デバイス上の変分量子回路のシミュレーションはノイズの出力に苦しむ。 古典的なディープラーニングと同じように、勾配の問題も消える。 損失景観のトポロジーを研究することは現実的な目標であり、消失勾配の存在下でこれらの回路の曲率情報とトレーサビリティを可視化する。 本稿では,パラメータ空間の異なる点における変分量子分類器のロスランドスケープを計算し,その可視化を行った。 変分量子分類器(VQC)の曲率情報を解釈し、損失関数の収束を示す。 これは、変動量子回路の挙動をよりよく理解し、最適化問題に効率的に取り組むのに役立つ。 量子コンピュータ上でhessianを介して変分量子分類器を調査し,単純な4ビットパリティ問題からhessianの実用的挙動を把握し,糖尿病データセットの変分量子分類器のトレーニングにおけるhessianの固有値の挙動を徹底的に解析した。

関連論文リスト

• Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning [14.379311972506791]
  正確な量子状態の読み出しは、トモグラフィーの複雑さによってボトルネックとなる。 量子微分方程式の出力を量子データとして扱い、低次元の出力を抽出できることを実証する。 この量子科学機械学習手法を用いて衝撃波の検出と乱流モデリングの解を分類する。
  論文  参考訳（メタデータ） (2024-11-21T16:09:08Z)
• 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)
• Boundary Treatment for Variational Quantum Simulations of Partial Differential Equations on Quantum Computers [1.6318838452579472]
  本稿では偏微分方程式によって記述された初期境界値問題を解くための変分量子アルゴリズムを提案する。 このアプローチでは、現在のノイズの多い中間スケール量子時代の量子コンピュータに適した古典的/量子的ハードウェアを使用する。
  論文  参考訳（メタデータ） (2024-02-28T18:19:33Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Fundamental limitations on optimization in variational quantum algorithms [7.165356904023871]
  そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。 このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。 この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
  論文  参考訳（メタデータ） (2022-05-10T17:14:57Z)
• Representation Learning via Quantum Neural Tangent Kernels [10.168123455922249]
  変分量子回路は、量子機械学習や変分量子シミュレーションタスクで使用される。 本稿では、ニューラルネットワークカーネルの理論を用いて変動量子回路を解析し、これらの問題を論じる。 変形角がゆっくり変化し、線形摂動が十分であるような、凍結限界(遅延訓練)の力学を解析的に解いた。
  論文  参考訳（メタデータ） (2021-11-08T01:30:34Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• A semi-agnostic ansatz with variable structure for quantum machine learning [0.3774866290142281]
  変分量子アルゴリズム(VQA)は、短期量子コンピュータをプログラミングするための強力で柔軟なパラダイムを提供する。 本稿では,VQAのためのアンサーゼを構築するための可変構造アプローチを提案する。 我々は、凝縮物質および量子化学応用のための変分量子固有解法にVAnを用いる。
  論文  参考訳（メタデータ） (2021-03-11T14:58:40Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
  本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。 この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
  論文  参考訳（メタデータ） (2020-08-06T17:48:12Z)

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。