Fugu-MT 論文翻訳(概要): Automatic design of quantum feature maps

論文の概要: Automatic design of quantum feature maps

arxiv url: http://arxiv.org/abs/2105.12626v1
Date: Wed, 26 May 2021 15:31:10 GMT
ステータス: 処理完了
システム内更新日: 2021-05-27 17:01:14.481730
Title: Automatic design of quantum feature maps
Title（参考訳）: 量子特徴写像の自動設計
Authors: Sergio Altares-L\'opez, Angela Ribeiro, Juan Jos\'e Garc\'ia-Ripoll
Abstract要約: 量子支援ベクトルマシン(QSVM)を用いた最適アドホックアンゼの自動生成手法を提案する。この効率的な方法はNSGA-II多目的遺伝的アルゴリズムに基づいており、精度を最大化し、アンザッツサイズを最小化することができる。
参考スコア（独自算出の注目度）: 0.3867363075280543
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a new technique for the automatic generation of optimal ad-hoc ans\"atze for classification by using quantum support vector machine (QSVM). This efficient method is based on NSGA-II multiobjective genetic algorithms which allow both maximize the accuracy and minimize the ansatz size. It is demonstrated the validity of the technique by a practical example with a non-linear dataset, interpreting the resulting circuit and its outputs. We also show other application fields of the technique that reinforce the validity of the method, and a comparison with classical classifiers in order to understand the advantages of using quantum machine learning.
Abstract（参考訳）: 本稿では,量子サポートベクトルマシン(qsvm)を用いた分類のための最適アドホックans\"atzeの自動生成手法を提案する。この方法はNSGA-II多目的遺伝的アルゴリズムに基づいており、精度を最大化し、アンザッツサイズを最小化することができる。本手法の有効性を,非線形データセットを用いた実例で実証し,結果の回路とその出力を解釈する。また,本手法の妥当性を向上する他の応用分野や,量子機械学習の利点を理解するための古典的分類器との比較についても述べる。

関連論文リスト

Quantum Circuit Optimization using Differentiable Programming of Tensor Network States [0.0]
このアルゴリズムは古典的なハードウェア上で動作し、浅い正確な量子回路を見つける。すべての回路は、適切なCPU時間と控えめなメモリ要求下で高い状態忠実性を達成する。
論文参考訳（メタデータ） (2024-08-22T17:48:53Z)
Strategic Data Re-Uploads: A Pathway to Improved Quantum Classification Data Re-Uploading Strategies for Improved Quantum Classifier Performance [0.0]
古典情報を複数回量子状態に再アップロードすると、量子分類器の精度が向上する。線形分類パターン(LCP)と非線形分類パターン(NLCP)の2つの分類パターンに対するアプローチを実証する。
論文参考訳（メタデータ） (2024-05-15T14:28:00Z)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
論文参考訳（メタデータ） (2023-06-26T09:42:59Z)
Automatic and effective discovery of quantum kernels [43.702574335089736]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文参考訳（メタデータ） (2022-09-22T16:42:14Z)
Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文参考訳（メタデータ） (2022-09-01T17:08:41Z)
AutoQML: Automatic Generation and Training of Robust Quantum-Inspired Classifiers by Using Genetic Algorithms on Grayscale Images [0.0]
グレースケール画像上で量子インスパイアされた分類器を自動生成・訓練するハイブリッドシステムを提案する。我々は、最小限の回路と、見えないデータに対する高い精度を得るために、動的適合関数を定義する。
論文参考訳（メタデータ） (2022-08-28T16:33:48Z)
Generating quantum feature maps for SVM classifier [0.0]
本稿では,量子化支援ベクトルマシンのための2つの量子特徴写像の生成法と比較を行った。第1の方法は、分類の精度を最大化するペナルティ法を用いて、多目的フィットネス機能を持つ遺伝的アルゴリズムである。第2の方法は変分量子回路を用い、ユニタリ行列分解に基づいてアンザッツをコントラクトする方法に焦点をあてる。
論文参考訳（メタデータ） (2022-07-23T07:28:23Z)
Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文参考訳（メタデータ） (2021-07-11T10:56:24Z)
Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文参考訳（メタデータ） (2021-06-27T06:27:22Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。