論文の概要: Compact quantum kernel-based binary classifier

• arxiv url: http://arxiv.org/abs/2202.02151v2
• Date: Fri, 15 Jul 2022 06:35:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 20:50:22.422559
• Title: Compact quantum kernel-based binary classifier
• Title（参考訳）: コンパクト量子カーネルに基づくバイナリ分類器
• Authors: Carsten Blank, Adenilton J. da Silva, Lucas P. de Albuquerque, Francesco Petruccione, Daniel K. Park
• Abstract要約: 本稿では、カーネルベースのバイナリ分類器を構築するための最も単純な量子回路を提案する。 量子ビットの数は2つに減らされ、ステップの数は線形に減らされる。 私たちの設計は、不均衡なデータセットを扱うための簡単な方法も提供します。
• 参考スコア（独自算出の注目度）: 2.0684234025249717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing opens exciting opportunities for kernel-based machine learning methods, which have broad applications in data analysis. Recent works show that quantum computers can efficiently construct a model of a classifier by engineering the quantum interference effect to carry out the kernel evaluation in parallel. For practical applications of these quantum machine learning methods, an important issue is to minimize the size of quantum circuits. We present the simplest quantum circuit for constructing a kernel-based binary classifier. This is achieved by generalizing the interference circuit to encode data labels in the relative phases of the quantum state and by introducing compact amplitude encoding, which encodes two training data vectors into one quantum register. When compared to the simplest known quantum binary classifier, the number of qubits is reduced by two and the number of steps is reduced linearly with respect to the number of training data. The two-qubit measurement with post-selection required in the previous method is simplified to single-qubit measurement. Furthermore, the final quantum state has a smaller amount of entanglement than that of the previous method, which advocates the cost-effectiveness of our method. Our design also provides a straightforward way to handle an imbalanced data set, which is often encountered in many machine learning problems.
• Abstract（参考訳）: 量子コンピューティングは、データ分析に幅広い応用があるカーネルベースの機械学習手法のエキサイティングな機会を開く。 近年の研究では、量子干渉効果をエンジニアリングし、並列にカーネル評価を行うことにより、量子コンピュータが分類器のモデルを効率的に構築できることが示されている。 これらの量子機械学習の実用的な応用には、量子回路のサイズを最小化することが重要な課題である。 カーネルベースのバイナリ分類器を構成するための最も単純な量子回路を提案する。 これは、干渉回路を一般化し、量子状態の相対位相でデータラベルを符号化し、2つのトレーニングデータベクトルを1つの量子レジスタに符号化するコンパクト振幅符号化を導入することで達成される。 最も単純な量子二分法と比較すると、量子ビットの数は2つに減らされ、トレーニングデータの数に対してステップの数は線形に減らされる。 従来手法で必要とされていた2キュービット計測を1キュービット計測に簡略化する。 さらに, 最終量子状態は, 従来の方法よりも少ないエンタングルメントを有しており, 提案手法の費用対効果を提唱している。 私たちの設計は、多くの機械学習問題でしばしば発生する不均衡なデータセットを扱う簡単な方法も提供します。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• 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)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Quadratic speed-ups in quantum kernelized binary classification [1.3812010983144802]
  量子カーネルをデータ間の類似性の尺度として使用するいくつかの量子機械学習アルゴリズムが登場し、量子状態として符号化されたデータセットのバイナリ分類を実行するようになった。 本稿では,QKCに対する新しい量子回路を提案し,量子ビットの数を1つ減らし,サンプルデータに対して回路深さを線形に減らした。 Irisデータセットの数値シミュレーションにより,従来の手法よりも2次的な高速化を検証した。
  論文  参考訳（メタデータ） (2024-03-26T07:39:48Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Realization of quantum algorithms with qudits [0.7892577704654171]
  我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。 我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。 これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
  論文  参考訳（メタデータ） (2023-11-20T18:34:19Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Data compression for quantum machine learning [2.119778346188635]
  量子コンピュータで使用する古典的データを効率よく圧縮・ロードする問題に対処する。 提案手法により,必要量子ビット数と量子回路の深さを調整できる。
  論文  参考訳（メタデータ） (2022-04-24T03:03:14Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Efficient realization of quantum algorithms with qudits [0.70224924046445]
  マルチレベル量子システム(キューディット)を用いた量子アルゴリズムの効率的な実装手法を提案する。 提案手法は,Quditベースのプロセッサのパラメータに依存する標準量子ビット方式の回路のトランスパイレーションを用いる。 特定の普遍集合から取られた単一量子ゲートと2量子ゲートの列に量子回路を変換する明示的なスキームを提供する。
  論文  参考訳（メタデータ） (2021-11-08T11:09:37Z)
• Robust quantum classifier with minimal overhead [0.8057006406834467]
  カーネル法に基づくバイナリ分類のためのいくつかの量子アルゴリズムが提案されている。 これらのアルゴリズムは期待値を推定することに依存しており、高額な量子データ符号化手順を何度も繰り返す必要がある。 カーネルベースのバイナリ分類は,データの数や寸法に関わらず,単一キュービットで行うことができることを示す。
  論文  参考訳（メタデータ） (2021-04-16T14:51:00Z)

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。