論文の概要: Quantum Measurement Classification with Qudits
- arxiv url: http://arxiv.org/abs/2107.09781v1
- Date: Tue, 20 Jul 2021 21:54:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-22 23:01:13.859003
- Title: Quantum Measurement Classification with Qudits
- Title(参考訳): quditsを用いた量子計測分類
- Authors: Diego H. Useche, Andres Giraldo-Carvajal, Hernan M. Zuluaga-Bucheli,
Jose A. Jaramillo-Villegas, Fabio A. Gonz\'alez
- Abstract要約: 提案した量子プロトコルは,確率密度関数を推定し,教師付き学習方式で予測できることを示す。
提案手法は,高次元量子コンピュータにおいて,教師付き分類と密度推定を実現するための有効な手法であることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a hybrid classical-quantum program for density estimation
and supervised classification. The program is implemented as a quantum circuit
in a high-dimensional quantum computer simulator. We show that the proposed
quantum protocols allow to estimate probability density functions and to make
predictions in a supervised learning manner. This model can be generalized to
find expected values of density matrices in high-dimensional quantum computers.
Experiments on various data sets are presented. Results show that the proposed
method is a viable strategy to implement supervised classification and density
estimation in a high-dimensional quantum computer.
- Abstract(参考訳): 本稿では,密度推定と教師付き分類のためのハイブリッド古典量子プログラムを提案する。
プログラムは高次元量子コンピュータシミュレータの量子回路として実装される。
提案した量子プロトコルは,確率密度関数を推定し,教師付き学習方式で予測できることを示す。
このモデルは高次元量子コンピュータにおける密度行列の期待値を求めるために一般化することができる。
様々なデータセットについて実験を行う。
提案手法は,高次元量子コンピュータにおける教師付き分類と密度推定を実現するための有効な手法であることを示す。
関連論文リスト
- Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳(メタデータ) (2024-01-31T01:02:16Z) - Quantum Next Generation Reservoir Computing: An Efficient Quantum
Algorithm for Forecasting Quantum Dynamics [1.9260081982051918]
NG-RCは、積分可能系とカオス系の両方において、完全多体量子力学を正確に予測できることを示す。
本稿では,ブロック符号化手法を用いて,量子計算の高速化による多体量子力学予測のためのエンドツーエンド量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-08-28T00:34:40Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - The Quantum Density Matrix and its many uses: From quantum structure to
quantum chaos and noisy simulators [0.0]
量子状態の完全な記述と、そこから抽出できる観測可能な量を与える。
その数学的構造が説明され、量子相関の理解、量子カオスの解明、そして、効率的な量子状態トモグラフィーを備えたノイズの多い量子システムのためのソフトウェアシミュレータの開発に応用されている。
論文 参考訳(メタデータ) (2023-03-15T16:25:07Z) - Optimisation-free Classification and Density Estimation with Quantum
Circuits [0.0]
量子回路を用いた確率密度推定と分類のための新しい機械学習フレームワークの実装を実証する。
このフレームワークは、トレーニングデータセットまたは単一のデータサンプルを、量子特徴写像を介して物理システムの量子状態にマッピングする。
我々は、我々のフレームワークに量子アドバンテージを活用できる変分量子回路のアプローチについて議論する。
論文 参考訳(メタデータ) (2022-03-28T02:40:24Z) - Quantum density estimation with density matrices: Application to quantum
anomaly detection [1.2289361708127877]
密度推定は統計学と機械学習の中心的なタスクである。
本稿ではQ-DEMDEと呼ばれる新しい量子古典密度行列密度推定モデルを提案する。
また,本手法の量子古典的異常検出への応用について述べる。
論文 参考訳(メタデータ) (2022-01-24T23:40:00Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳(メタデータ) (2021-08-30T23:50:05Z) - Quantum State Discrimination for Supervised Classification [0.5772546394254112]
本稿では,量子状態の識別が,機械学習における標準的な分類問題に対処するための有用なツールであることを示す。
従来の研究は、最適量子測定理論が新しい二項分類アルゴリズムを刺激できることを示した。
量子状態の識別に着想を得た任意の多クラス分類モデルを提案する。
論文 参考訳(メタデータ) (2021-04-02T10:22:59Z) - 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) - Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。
MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文 参考訳(メタデータ) (2020-12-08T01:10:30Z) - Direct estimation of quantum coherence by collective measurements [54.97898890263183]
量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。
本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。
本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
論文 参考訳(メタデータ) (2020-01-06T03:50:42Z)
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。