論文の概要: Systematic Literature Review: Quantum Machine Learning and its
applications
- arxiv url: http://arxiv.org/abs/2201.04093v1
- Date: Tue, 11 Jan 2022 17:36:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 15:06:15.230697
- Title: Systematic Literature Review: Quantum Machine Learning and its
applications
- Title（参考訳）: Systematic Literature Review: Quantum Machine Learningとその応用
- Authors: David Peral Garc\'ia, Juan Cruz-Benito and Francisco Jos\'e
Garc\'ia-Pe\~nalvo
- Abstract要約: 本研究では、量子機械学習技術とアルゴリズムを使用した52の論文を特定した。
多くの記事は、現在古典的な機械学習によって答えられている問題の解決を試みるが、量子デバイスとアルゴリズムを使用する。
既存の量子コンピュータには、量子コンピューティングがその完全な潜在能力を達成するのに十分な品質、速度、スケールが欠けているため、量子ハードウェアの改善が必要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum computing is the process of performing calculations using quantum
mechanics. This field studies the quantum behavior of certain subatomic
particles for subsequent use in performing calculations, as well as for
large-scale information processing. These capabilities can give quantum
computers an advantage in terms of computational time and cost over classical
computers. Nowadays, there are scientific challenges that are impossible to
perform by classical computation due to computational complexity or the time
the calculation would take, and quantum computation is one of the possible
answers. However, current quantum devices have not yet the necessary qubits and
are not fault-tolerant enough to achieve these goals. Nonetheless, there are
other fields like machine learning or chemistry where quantum computation could
be useful with current quantum devices. This manuscript aims to present a
Systematic Literature Review of the papers published between 2017 and 2021 to
identify, analyze and classify the different algorithms used in quantum machine
learning and their applications. Consequently, this study identified 52
articles that used quantum machine learning techniques and algorithms. The main
types of found algorithms are quantum implementations of classical machine
learning algorithms, such as support vector machines or the k-nearest neighbor
model, and classical deep learning algorithms, like quantum neural networks.
Many articles try to solve problems currently answered by classical machine
learning but using quantum devices and algorithms. Even though results are
promising, quantum machine learning is far from achieving its full potential.
An improvement in the quantum hardware is required since the existing quantum
computers lack enough quality, speed, and scale to allow quantum computing to
achieve its full potential.
- Abstract（参考訳）: 量子コンピューティングは、量子力学を用いて計算を行う過程である。
このフィールドは、その後の計算や大規模情報処理に使用するために、特定のサブ原子粒子の量子的挙動を研究する。
これらの能力により、量子コンピュータは従来のコンピュータよりも計算時間とコストの面で有利になる。
今日では、計算の複雑さや計算にかかる時間によって古典的な計算で実行できない科学的課題があり、量子計算は可能な答えの1つである。
しかし、現在の量子デバイスはまだ必要な量子ビットを持っておらず、これらの目標を達成するのに十分なフォールトトレラントではない。
それでも、機械学習や化学など、現在の量子デバイスで量子計算が役立つ分野は他にもある。
この原稿は、2017年から2021年にかけて出版された論文の体系的な文献レビューを行い、量子機械学習で使用される異なるアルゴリズムとその応用を識別、分析、分類することを目的としている。
その結果,量子機械学習技術とアルゴリズムを用いた52の論文を同定した。
発見アルゴリズムの主な種類は、サポートベクターマシンやk-ネアレスト隣モデルのような古典的な機械学習アルゴリズムの量子実装と、量子ニューラルネットワークのような古典的なディープラーニングアルゴリズムである。
古典的機械学習によって現在回答されている問題を、量子デバイスとアルゴリズムを使って解こうとする記事が多い。
結果は有望だが、量子機械学習はその潜在能力を完全に達成するには程遠い。
既存の量子コンピュータには、量子コンピューティングがその潜在能力を達成するのに十分な品質、速度、スケールが欠けているため、量子ハードウェアの改善が必要である。
関連論文リスト
- The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Quantum Algorithm for a Stochastic Multicloud Model [0.0]
量子コンピューティングアルゴリズムは大気科学の問題に適用された。
マルチクラウドモデルの性質は、計算された量子状態の出力を利用して再現された。
この結果は、量子コンピュータが大気現象や海洋現象の問題を適切に解決できることを示した。
論文 参考訳（メタデータ） (2024-06-17T09:14:20Z) - 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 algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - 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) - Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。
これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。
また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
論文 参考訳（メタデータ） (2021-11-05T16:36:09Z) - Quantum Computation [0.0]
量子計算の中核となる原理と応用分野について論じ,要約する。
物理系の挙動に対する計算のマッピングは歴史的課題である。
量子コンピュータが正しく機能するために必要な技術を評価する。
論文 参考訳（メタデータ） (2020-06-04T11:57:18Z) - 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) - Quantum algorithms for quantum chemistry and quantum materials science [2.867517731896504]
本稿では, 電子構造, 量子統計力学, 量子力学の分野において, 量子コンピュータ上での解に対する潜在的な関心について, 化学・材料科学の中心的な問題を簡潔に述べる。
我々は、基底状態、力学、熱状態シミュレーションのための量子アルゴリズムの現在の進歩の詳細なスナップショットを取得し、将来の発展のためにそれらの強みと弱点を分析する。
論文 参考訳（メタデータ） (2020-01-10T22:49:56Z)
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。