論文の概要: Fundamental Machine Learning Routines as Quantum Algorithms on a
Superconducting Quantum Computer
- arxiv url: http://arxiv.org/abs/2109.09522v1
- Date: Fri, 17 Sep 2021 15:22:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 11:17:52.436143
- Title: Fundamental Machine Learning Routines as Quantum Algorithms on a
Superconducting Quantum Computer
- Title（参考訳）: 量子コンピュータ上の量子アルゴリズムとしての基本的な機械学習ルーチン
- Authors: Sristy Sangskriti, Protik Nag, Summit Haque
- Abstract要約: Harrow-Hassidim-Lloydアルゴリズムは、量子デバイス上の線形方程式のシステムを解くことを目的としている。
本稿では,これらの特徴が完全に一致しない場合のアルゴリズムの性能に関する数値的研究を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Harrow-Hassidim-Lloyd algorithm is intended for solving the system of
linear equations on quantum devices. The exponential advantage of the algorithm
comes with four caveats. We present a numerical study of the performance of the
algorithm when these caveats are not perfectly matched. We observe that,
between diagonal and non-diagonal matrices, the algorithm performs with higher
success probability for the diagonal matrices. At the same time, it fails to
perform well on lower or higher density sparse Hermitian matrices. Again,
Quantum Support Vector Machine algorithm is a promising algorithm for
classification problem. We have found out that it works better with binary
classification problem than multi-label classification problem. And there are
many opportunities left for improving the performance.
- Abstract（参考訳）: Harrow-Hassidim-Lloydアルゴリズムは、量子デバイス上の線形方程式のシステムを解くことを目的としている。
このアルゴリズムの指数的優位性には4つの注意点がある。
本稿では,これらの特徴が完全に一致しない場合のアルゴリズムの性能に関する数値的研究を行う。
対角行列と非対角行列の間には、アルゴリズムが対角行列の成功確率が高いことを観測する。
同時に、低密度または高濃度の疎エルミート行列ではうまく機能しない。
繰り返すが、Quantum Support Vector Machineアルゴリズムは分類問題に対する有望なアルゴリズムである。
複数ラベル分類問題よりも二項分類問題の方が有効であることが判明した。
そして、パフォーマンスを改善するための多くの機会が残っています。
関連論文リスト
- Quantum multi-row iteration algorithm for linear systems with non-square coefficient matrices [7.174256268278207]
古典的マルチロー反復法に着想を得た量子アルゴリズムを提案する。
本アルゴリズムは,不整合系の解法に適した係数行列の要求を小さくする。
論文 参考訳（メタデータ） (2024-09-06T03:32:02Z) - Tensor Decompositions and Adiabatic Quantum Computing for Discovering Practical Matrix Multiplication Algorithms [1.5540058359482858]
本稿では,実用的な行列乗算アルゴリズムの発見と,量子コンピュータ上での分解計算のための2つのアルゴリズムの開発に焦点をあてる。
アルゴリズムは高次非制約バイナリ最適化(HUBO)問題として表現される。
最大分解長よりも短い長さを固定することにより、全体最適化問題の解がより高速な行列乗算アルゴリズムが得られることを示す。
論文 参考訳（メタデータ） (2024-06-19T10:05:57Z) - Generalized quantum Arimoto-Blahut algorithm and its application to
quantum information bottleneck [55.22418739014892]
量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。
3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。
数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-11-19T00:06:11Z) - Learning the Positions in CountSketch [49.57951567374372]
本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。
本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-06-11T07:28:35Z) - A near-term quantum algorithm for solving linear systems of equations based on the Woodbury identity [0.602276990341246]
本稿では,不規則高原や局所最適解などの問題を回避し,方程式の線形系を解くための量子アルゴリズムについて述べる。
このアルゴリズムは、他の(容易に可逆な)行列の低ランクな修正である行列の逆を解析的に記述するウッドベリー恒等式に基づいている。
我々は、IBMのオークランド量子コンピュータを用いて、2%の誤差で1600万以上の方程式を解いたシステムの内部積を推定する。
論文 参考訳（メタデータ） (2022-05-02T04:32:01Z) - Quantum algorithms for matrix operations and linear systems of equations [65.62256987706128]
本稿では,「Sender-Receiver」モデルを用いた行列演算のための量子アルゴリズムを提案する。
これらの量子プロトコルは、他の量子スキームのサブルーチンとして使用できる。
論文 参考訳（メタデータ） (2022-02-10T08:12:20Z) - A Quantum Computer Amenable Sparse Matrix Equation Solver [0.0]
本稿では,行列方程式の解法に関わる問題について検討する。
Harrow/Hassidim/Lloydアルゴリズムを固有位相推定のための代替ユニタリを提供することにより一般化する。
このユニタリは任意の行列方程式に対して十分に定義されているという利点があり、それによって解の手順を量子ハードウェアに直接実装することができる。
論文 参考訳（メタデータ） (2021-12-05T15:42:32Z) - Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。
両レベル最適化のための2つの新しいアルゴリズムを提案する。
両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-08T21:05:30Z) - Quantum algorithms for spectral sums [50.045011844765185]
正半定値行列(PSD)のスペクトル和を推定するための新しい量子アルゴリズムを提案する。
本稿では, スペクトルグラフ理論における3つの問題に対して, アルゴリズムと手法が適用可能であることを示す。
論文 参考訳（メタデータ） (2020-11-12T16:29:45Z) - Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。
これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
論文 参考訳（メタデータ） (2020-11-09T01:13:07Z) - Quantum Spectral Clustering [5.414308305392762]
スペクトルクラスタリングは、非凸構造やネスト構造でデータをクラスタリングするための強力な機械学習アルゴリズムである。
本稿では,エンドツーエンドの量子アルゴリズムのスペクトルクラスタリングを提案し,量子機械学習における多くの研究を拡張した。
論文 参考訳（メタデータ） (2020-07-01T07:11:42Z)
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。