論文の概要: Quantum Perceptron Revisited: Computational-Statistical Tradeoffs
- arxiv url: http://arxiv.org/abs/2106.02496v1
- Date: Fri, 4 Jun 2021 14:05:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 14:50:16.103403
- Title: Quantum Perceptron Revisited: Computational-Statistical Tradeoffs
- Title(参考訳): 量子パーセプトロン:計算統計トレードオフ
- Authors: Mathieu Roget, Giuseppe Di Molfetta and Hachem Kadri
- Abstract要約: 量子古典パーセプトロンアルゴリズムは,従来のパーセプトロンよりも複雑度が低く,一般化能力も優れている。
提案アルゴリズムは,従来のオンラインパーセプトロンと比較し,提案アルゴリズムによって返される仮説の予測誤差を導出する。
- 参考スコア(独自算出の注目度): 4.791233143264229
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum machine learning algorithms could provide significant speed-ups over
their classical counterparts; however, whether they could also achieve good
generalization remains unclear. Recently, two quantum perceptron models which
give a quadratic improvement over the classical perceptron algorithm using
Grover's search have been proposed by Wiebe et al. arXiv:1602.04799 . While the
first model reduces the complexity with respect to the size of the training
set, the second one improves the bound on the number of mistakes made by the
perceptron. In this paper, we introduce a hybrid quantum-classical perceptron
algorithm with lower complexity and better generalization ability than the
classical perceptron. We show a quadratic improvement over the classical
perceptron in both the number of samples and the margin of the data. We derive
a bound on the expected error of the hypothesis returned by our algorithm,
which compares favorably to the one obtained with the classical online
perceptron. We use numerical experiments to illustrate the trade-off between
computational complexity and statistical accuracy in quantum perceptron
learning and discuss some of the key practical issues surrounding the
implementation of quantum perceptron models into near-term quantum devices,
whose practical implementation represents a serious challenge due to inherent
noise. However, the potential benefits make correcting this worthwhile.
- Abstract(参考訳): 量子機械学習アルゴリズムは従来のアルゴリズムよりも大幅に高速化できるが、良い一般化を達成できるかどうかは不明だ。
近年、グローバーの探索を用いて古典的パーセプトロンアルゴリズムを二次的に改善する2つの量子パーセプトロンモデルがwiebeらによって提案されている。
arXiv:1602.04799。
第1のモデルは、トレーニングセットのサイズに関して複雑さを減少させるが、第2のモデルは、パーセプトロンによってなされる誤りの数の境界を改善する。
本稿では,従来のパーセプトロンよりも複雑性が低く,一般化能力のよいハイブリッド量子古典パーセプトロンアルゴリズムを提案する。
サンプル数とデータマージンの両方において,古典的パーセプトロンよりも2次的に改善したことを示す。
提案アルゴリズムは,従来のオンラインパーセプトロンと比較し,提案アルゴリズムによって返される仮説の予測誤差を導出する。
本稿では,量子パーセプトロン学習における計算複雑性と統計的精度のトレードオフを数値実験で説明し,量子パーセプトロンモデルを量子デバイスに実装する際の重要な現実的課題について論じる。
しかし、潜在的な利点は、この価値を是正する。
関連論文リスト
- Entanglement-induced provable and robust quantum learning advantages [0.0]
我々は、表現性、推論速度、トレーニング効率の観点から、ノイズロストで無条件の量子学習の利点を厳格に確立する。
我々の証明は情報理論であり、この優位性の起源を示唆している。
論文 参考訳(メタデータ) (2024-10-04T02:39:07Z) - 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) - Predicting RNA Secondary Structure on Universal Quantum Computer [2.277461161767121]
RNA構造が塩基配列からどのように折り畳み、その二次構造がどのように形成されるかを知るための最初のステップである。
従来のエネルギーベースのアルゴリズムは、特に非ネスト配列の精度が低い。
普遍量子コンピューティングのためのゲートモデルアルゴリズムは利用できない。
論文 参考訳(メタデータ) (2023-05-16T15:57:38Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳(メタデータ) (2022-12-06T22:01:49Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳(メタデータ) (2022-09-12T15:47:44Z) - Classical surrogates for quantum learning models [0.7734726150561088]
本稿では,訓練された量子学習モデルから効率的に得られる古典的モデルである古典的サロゲートの概念を紹介する。
我々は、よく解析された再アップロードモデルの大規模なクラスが古典的なサロゲートを持つことを示す。
論文 参考訳(メタデータ) (2022-06-23T14:37:02Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳(メタデータ) (2022-05-26T20:32:36Z) - 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) - Teacher-student learning for a binary perceptron with quantum
fluctuations [0.966840768820136]
指数関数的な局所ミニマ数は二元パーセプトロンのエネルギーランドスケープを支配している。
局所探索アルゴリズムは、しばしばバイナリパーセプトロンの基底状態を特定するのに失敗する。
量子ゆらぎのため、古典的モデルよりも優れた一般化性能を持つロバストな解を効率的に見つけることができる。
論文 参考訳(メタデータ) (2021-02-17T07:16:07Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - A rigorous and robust quantum speed-up in supervised machine learning [6.402634424631123]
本稿では,汎用量子学習アルゴリズムを用いて,教師付き分類のための厳密な量子スピードアップを確立する。
我々の量子分類器は、フォールトトレラント量子コンピュータを用いてカーネル関数を推定する従来のサポートベクトルマシンである。
論文 参考訳(メタデータ) (2020-10-05T17:22:22Z)
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。