論文の概要: Quantum density estimation with density matrices: Application to quantum anomaly detection

• arxiv url: http://arxiv.org/abs/2201.10006v5
• Date: Mon, 18 Mar 2024 11:20:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-21 02:10:44.805001
• Title: Quantum density estimation with density matrices: Application to quantum anomaly detection
• Title（参考訳）: 密度行列を用いた量子密度推定:量子異常検出への応用
• Authors: Diego H. Useche, Oscar A. Bustos-Brinez, Joseph A. Gallego-Mejia, Fabio A. González,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.893420660481734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Density estimation is a central task in statistics and machine learning. This problem aims to determine the underlying probability density function that best aligns with an observed data set. Some of its applications include statistical inference, unsupervised learning, and anomaly detection. Despite its relevance, few works have explored the application of quantum computing to density estimation. In this article, we present a novel quantum-classical density matrix density estimation model, called Q-DEMDE, based on the expected values of density matrices and a novel quantum embedding called quantum Fourier features. The method uses quantum hardware to build probability distributions of training data via mixed quantum states. As a core subroutine, we propose a new algorithm to estimate the expected value of a mixed density matrix from its spectral decomposition on a quantum computer. In addition, we present an application of the method for quantum-classical anomaly detection. We evaluated the density estimation model with quantum random and quantum adaptive Fourier features on different data sets on a quantum simulator and a real quantum computer. An important result of this work is to show that it is possible to perform density estimation and anomaly detection with high performance on present-day quantum computers.
• Abstract（参考訳）: 密度推定は統計学と機械学習の中心的なタスクである。 この問題は、観測されたデータセットに最もよく適合する基礎となる確率密度関数を決定することを目的としている。 応用例としては、統計的推論、教師なし学習、異常検出などがある。 その関連性にもかかわらず、量子コンピューティングの密度推定への応用を探求する研究はほとんどない。 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。 量子ハードウェアを用いて、混合量子状態によるトレーニングデータの確率分布を構築する。 量子コンピュータ上でのスペクトル分解から混合密度行列の期待値を推定するアルゴリズムを提案する。 さらに,本手法の量子古典的異常検出への応用について述べる。 我々は、量子シミュレータと実量子コンピュータ上の異なるデータセット上で、量子ランダムおよび量子適応フーリエ特徴を用いた密度推定モデルの評価を行った。 この研究の重要な成果は、現在の量子コンピュータ上で高い性能で密度推定と異常検出を行うことが可能であることを示すことである。

関連論文リスト

• MEMO-QCD: Quantum Density Estimation through Memetic Optimisation for Quantum Circuit Design [3.046689922445082]
  本稿では,密度推定のための効率的な量子回路設計手法を提案する。 この戦略は、密度推定のための量子インスパイアされたアルゴリズムと、メメティックアルゴリズムに基づく回路最適化ルーチンに基づいている。
  論文  参考訳（メタデータ） (2024-06-12T18:54:22Z)
• 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 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)
• Calculating the many-body density of states on a digital quantum computer [58.720142291102135]
  ディジタル量子コンピュータ上で状態の密度を推定する量子アルゴリズムを実装した。 我々は,量子H1-1トラップイオンチップ上での非可積分ハミルトニアン状態の密度を18ビットの制御レジスタに対して推定する。
  論文  参考訳（メタデータ） (2023-03-23T17:46:28Z)
• Determining probability density functions with adiabatic quantum computing [0.0]
  データサンプルからの確率密度関数の信頼性の高い決定は、科学的応用において依然として重要なトピックである。 サンプルの累積分布関数を時間依存ハミルトニアンにマッピングする古典的量子データ埋め込み手法を定義する。 得られたハミルトニアンは時間発展作用素を用いて量子回路に投影される。
  論文  参考訳（メタデータ） (2023-03-20T18:00:00Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Quantum Measurement Classification with Qudits [0.0]
  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。
  論文  参考訳（メタデータ） (2021-07-20T21:54:14Z)
• On exploring practical potentials of quantum auto-encoder with advantages [92.19792304214303]
  量子オートエンコーダ(QAE)は、量子物理学で遭遇する次元の呪いを和らげるための強力なツールである。 我々はQAEを用いて固有値を効率的に計算し、高次元量子状態の対応する固有ベクトルを作成できることを証明した。 低ランク状態の忠実度推定,量子ギブス状態準備,量子メトロジーの課題を解決するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Quantum Fisher information from randomized measurements [0.0]
  量子フィッシャー情報(QFI)は、多くの領域における基本的な関心の量である。 密度行列の測定を用いて、QFIに収束する下界を構築する。 結合量子ビットと集合スピンからなる量子系におけるこの手法の応用例を2つ提示する。
  論文  参考訳（メタデータ） (2021-05-27T14:16:14Z)
• Maximal entropy approach for quantum state tomography [3.6344381605841187]
  現在の量子コンピューティングデバイスは、ノイズの多い中間スケール量子$(NISQ$)$デバイスである。 量子トモグラフィーは、観測可能な完全な集合によって量子系の密度行列を再構築しようとする。 本稿では、未知の可観測物の値を予測するために、最大情報エントロピーに基づく量子トモグラフィーの代替手法を提案する。
  論文  参考訳（メタデータ） (2020-09-02T04:39:45Z)

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。