論文の概要: Provable Adversarial Robustness in the Quantum Model
- arxiv url: http://arxiv.org/abs/2112.09625v1
- Date: Fri, 17 Dec 2021 16:54:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-20 16:49:20.606328
- Title: Provable Adversarial Robustness in the Quantum Model
- Title（参考訳）: 量子モデルにおける確率的対向ロバスト性
- Authors: Khashayar Barooti, Grzegorz G{\l}uch, Ruediger Urbanke
- Abstract要約: Bshouty と Jackson が導入した量子PAC学習モデルに類似したモデルを考える。
我々の削減は、モデルにおける逆問題を解決するために、単一の距離の概念を考えるのに十分であるということを保証します。
- 参考スコア（独自算出の注目度）: 0.966840768820136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern machine learning systems have been applied successfully to a variety
of tasks in recent years but making such systems robust against adversarially
chosen modifications of input instances seems to be a much harder problem. It
is probably fair to say that no fully satisfying solution has been found up to
date and it is not clear if the standard formulation even allows for a
principled solution. Hence, rather than following the classical path of bounded
perturbations, we consider a model similar to the quantum PAC-learning model
introduced by Bshouty and Jackson [1995]. Our first key contribution shows that
in this model we can reduce adversarial robustness to the conjunction of two
classical learning theory problems, namely (Problem 1) the problem of finding
generative models and (Problem 2) the problem of devising classifiers that are
robust with respect to distributional shifts. Our second key contribution is
that the considered framework does not rely on specific (and hence also
somewhat arbitrary) threat models like $\ell_p$ bounded perturbations. Instead,
our reduction guarantees that in order to solve the adversarial robustness
problem in our model it suffices to consider a single distance notion, i.e. the
Hellinger distance. From the technical perspective our protocols are heavily
based on the recent advances on delegation of quantum computation, e.g. Mahadev
[2018].
Although the considered model is quantum and therefore not immediately
applicable to ``real-world'' situations, one might hope that in the future
either one can find a way to embed ``real-world'' problems into a quantum
framework or that classical algorithms can be found that are capable of
mimicking their powerful quantum counterparts.
- Abstract（参考訳）: 近年、現代の機械学習システムは様々なタスクにうまく適用されてきたが、反対に選択された入力インスタンスの修正に対して、そのようなシステムを堅牢にすることは、はるかに難しい問題である。
完全に満足できる解がこれまでに見つかっていないと言うのは、おそらく公平であり、標準定式化が原理的な解を許すかどうかも定かではない。
したがって、有界摂動の古典的な経路に従うのではなく、bshouty と jackson [1995] によって導入された量子パック学習モデルに似たモデルを考える。
私たちの最初の重要な貢献は、このモデルでは2つの古典的学習理論問題(problem)を組み合わせることで、敵対的ロバスト性を低減できることを示しています。
1)生成モデルの発見の問題と(問題)
2) 分布シフトに関してロバストな分類器を考案する問題。
2つ目の重要なコントリビューションは、考慮されているフレームワークが$\ell_p$ 境界摂動のような特定の(従ってやや任意な)脅威モデルに依存していないことです。
その代わり、我々の還元は、我々のモデルにおける敵対的ロバストネス問題を解決するために、1つの距離の概念、すなわちヘリンガー距離を考えるのが十分であることを保証します。
技術的な観点からは、我々のプロトコルは近年の量子計算のデリゲート(例えばMahadev [2018])に大きく依存している。
考慮されたモデルは量子論であり、従って「実世界」の状況に直ちには適用できないが、将来的には「実世界」の問題を量子論の枠組みに組み込む方法や、その強力な量子論を模倣できる古典的アルゴリズムが見つかることを期待しているかもしれない。
関連論文リスト
- Computational supremacy in quantum simulation [22.596358764113624]
超伝導量子アニールプロセッサは、シュリンガー方程式の解と密に一致してサンプルを生成することができることを示す。
我々は、合理的な時間枠内で量子アニールと同じ精度を達成できる既知のアプローチは存在しないと結論づける。
論文 参考訳（メタデータ） (2024-03-01T19:00:04Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳（メタデータ） (2023-03-27T22:48:28Z) - 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) - Quantum Algorithms for Geologic Fracture Networks [0.09236074230806578]
フラクチャードフローを解くための2つの量子アルゴリズムを導入する。
ひとつは、エラーなく動作する将来の量子コンピュータ向けに設計されているが、現在のハードウェアは十分な性能を得るためにはノイズが多すぎることを実証する。
ノイズ耐性を持つように設計された2番目のアルゴリズムは、小型から中型の問題に対して既にうまく機能している。
論文 参考訳（メタデータ） (2022-10-21T02:23:23Z) - Generative model for learning quantum ensemble via optimal transport
loss [0.9404723842159504]
量子アンサンブルを学習できる量子生成モデルを提案する。
提案したモデルは、量子デバイスのヘルスチェックのような幅広い応用の道を開く。
論文 参考訳（メタデータ） (2022-10-19T17:35:38Z) - Oracle separations of hybrid quantum-classical circuits [68.96380145211093]
量子計算の2つのモデル: CQ_dとQC_d。
CQ_dは、d-d-deepth量子コンピュータのシナリオを何度も捉え、QC_dは測定ベースの量子計算に類似している。
CQ_dとQC_dの類似性にもかかわらず、2つのモデルは本質的にはCQ_d $nsubseteq$QC_dとQC_d $nsubseteq$CQ_dである。
論文 参考訳（メタデータ） (2022-01-06T03:10:53Z) - 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) - Error mitigation and quantum-assisted simulation in the error corrected
regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。
量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文 参考訳（メタデータ） (2021-03-12T20:58:41Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳（メタデータ） (2020-08-03T18:00:05Z) - Compressed variational quantum eigensolver for the Fermi-Hubbard model [0.05076419064097732]
Fermi-Hubbardモデル(英語版)は量子コンピュータによって解決されるもっともらしいターゲットである。
ここでは、Hubbardモデルの最初の非自明な部分ケースを圧縮する簡単な方法を用いる。
この手法を超伝導量子ハードウェアプラットフォームに実装する。
論文 参考訳（メタデータ） (2020-06-01T18:12:12Z)
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。