論文の概要: Quantum Machine Learning for Health State Diagnosis and Prognostics
- arxiv url: http://arxiv.org/abs/2108.12265v1
- Date: Wed, 25 Aug 2021 22:57:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-30 14:03:13.142068
- Title: Quantum Machine Learning for Health State Diagnosis and Prognostics
- Title（参考訳）: 健康状態診断と予後診断のための量子機械学習
- Authors: Gabriel San Mart\'in, Enrique L\'opez Droguett
- Abstract要約: 健康状態診断と予後診断のためのハイブリッド量子機械学習フレームワークを提案する。
この論文は、リスクと信頼性の領域における量子機械学習アルゴリズムの探索と応用を開始することを願っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Quantum computing is a new field that has recently attracted researchers from
a broad range of fields due to its representation power, flexibility and
promising results in both speed and scalability. Since 2020, laboratories
around the globe have started to experiment with models that lie in the
juxtaposition between machine learning and quantum computing. The availability
of quantum processing units (QPUs) to the general scientific community through
open APIs (e.g., Qiskit from IBM) have kindled the interest in developing and
testing new approaches to old problems. In this paper, we present a hybrid
quantum machine learning framework for health state diagnostics and
prognostics. The framework is exemplified using a problem involving ball
bearings dataset. To the best of our knowledge, this is the first attempt to
harvest and leverage quantum computing to develop and apply a hybrid
quantum-classical machine learning approach to a prognostics and health
management (PHM) problem. We hope that this paper initiates the exploration and
application of quantum machine learning algorithms in areas of risk and
reliability.
- Abstract（参考訳）: 量子コンピューティングは、その表現力、柔軟性、そしてスピードとスケーラビリティの両面で有望な結果により、最近幅広い分野の研究者を惹きつけた新しい分野である。
2020年以降、世界中の研究所が、機械学習と量子コンピューティングの相互関係にあるモデルを実験し始めた。
量子処理ユニット(QPU)がオープンAPI(IBMのQiskitなど)を通じて一般科学コミュニティに利用可能になったことで、古い問題に対する新しいアプローチの開発とテストへの関心が高まった。
本稿では,健康状態診断と予後診断のためのハイブリッド量子機械学習フレームワークを提案する。
このフレームワークは、ボールベアリングデータセットに関わる問題を用いて例示される。
我々の知る限りでは、これは量子コンピューティングを収穫し活用し、ハイブリッド量子古典機械学習アプローチを予後・健康管理(PHM)問題に応用する最初の試みである。
本稿では、リスクと信頼性の分野で量子機械学習アルゴリズムの探索と応用を開始することを願っている。
関連論文リスト
- Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。
量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。
分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文 参考訳（メタデータ） (2024-05-31T16:43:20Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - Snowmass White Paper: Quantum Computing Systems and Software for
High-energy Physics Research [3.4654477035437328]
我々は、高エネルギー物理研究を進めるための量子コンピューティングシステムとソフトウェアを開発するための課題と機会を特定する。
今後10年以内に量子コンピューティングの実用的および理論的応用とHEP問題の両方をサポートするために、アルゴリズム、アプリケーション、ソフトウェア、ハードウェア、インフラの開発を集中的に行う機会について説明する。
論文 参考訳（メタデータ） (2022-03-14T13:23:20Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Quantum Computing - A new scientific revolution in the making [2.240702708599667]
PISQアプローチを提唱する: 完全中間スケール量子コンピューティングは、完全量子ビットの概念をよく確立した概念に基づいている。
N)FTQCは(Non)Fault-Tolerant Quantum Computingの略である。
これにより、研究者は完璧な量子ビットの観点でアルゴリズムを定義することによって、新しいアプリケーションの開発にのみ焦点を合わせることができる。
論文 参考訳（メタデータ） (2021-06-22T14:56:55Z) - Quantum Computing for Location Determination [6.141741864834815]
位置決定研究に量子アルゴリズムを用いた場合の期待値の例を紹介する。
提案した量子アルゴリズムは、空間と実行時間の両方において、古典的なアルゴリズムバージョンよりも指数関数的に優れた複雑性を持つ。
ソフトウェアとハードウェアの両方の研究課題と、研究者がこのエキサイティングな新しいドメインを探求する機会について論じる。
論文 参考訳（メタデータ） (2021-06-11T15:39:35Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - Quantum Computing Methods for Supervised Learning [0.08594140167290096]
小型の量子コンピュータと量子アニールが製造され、既に商業的に販売されている。
我々は、教師付き機械学習問題への応用を探求する前に、量子コンピューティングの背景と重要な結果を要約する。
論文 参考訳（メタデータ） (2020-06-22T06:34:42Z) - The prospects of quantum computing in computational molecular biology [0.0]
我々は、現在の量子アルゴリズムが計算生物学やバイオインフォマティクスにどのように革命をもたらすかを検討する。
膨大な情報を処理する能力から、分野全体に潜在的なメリットがある。
また、この新しい技術における注意点と課題を認識することも重要である。
論文 参考訳（メタデータ） (2020-05-26T15:18:05Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。