論文の概要: Towards AutoQML: A Cloud-Based Automated Circuit Architecture Search
Framework
- arxiv url: http://arxiv.org/abs/2202.08024v1
- Date: Wed, 16 Feb 2022 12:37:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-25 16:36:55.942258
- Title: Towards AutoQML: A Cloud-Based Automated Circuit Architecture Search
Framework
- Title(参考訳): autoqmlに向けて - クラウドベースの自動回路アーキテクチャ検索フレームワーク
- Authors: Ra\'ul Berganza G\'omez, Corey O'Meara, Giorgio Cortiana, Christian B.
Mendl and Juan Bernab\'e-Moreno
- Abstract要約: 自動量子機械学習(AutoQML)への第一歩を踏み出す
本稿では,この問題の具体的記述を提案し,その後,古典的量子ハイブリッドクラウドアーキテクチャを開発する。
応用例として、量子生成適応ニューラルネットワーク(qGAN)をトレーニングし、既知の歴史的なデータ分布に従うエネルギー価格を生成する。
- 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 learning process of classical machine learning algorithms is tuned by
hyperparameters that need to be customized to best learn and generalize from an
input dataset. In recent years, Quantum Machine Learning (QML) has been gaining
traction as a possible application of quantum computing which may provide
quantum advantage in the future. However, quantum versions of classical machine
learning algorithms introduce a plethora of additional parameters and circuit
variations that have their own intricacies in being tuned.
In this work, we take the first steps towards Automated Quantum Machine
Learning (AutoQML). We propose a concrete description of the problem, and then
develop a classical-quantum hybrid cloud architecture that allows for
parallelized hyperparameter exploration and model training.
As an application use-case, we train a quantum Generative Adversarial neural
Network (qGAN) to generate energy prices that follow a known historic data
distribution. Such a QML model can be used for various applications in the
energy economics sector.
- Abstract(参考訳): 古典的な機械学習アルゴリズムの学習プロセスは、入力データセットから最良の学習と一般化のためにカスタマイズする必要があるハイパーパラメータによって調整される。
近年、量子機械学習(QML)は量子コンピューティングの応用の可能性として勢いを増し、将来量子の優位性をもたらす可能性がある。
しかし、古典的な機械学習アルゴリズムの量子バージョンは、調整の複雑さを持つ追加のパラメータと回路のバリエーションを導入している。
本研究では、自動量子機械学習(AutoQML)に向けた第一歩を踏み出す。
本稿では,この問題を具体的に説明し,並列化ハイパーパラメータ探索とモデルトレーニングを可能にする古典量子ハイブリッドクラウドアーキテクチャを開発する。
アプリケーションユースケースとして、量子生成逆向ニューラルネットワーク(qgan)を訓練して、既知の歴史的なデータ分布に従うエネルギー価格を生成する。
このようなQMLモデルはエネルギー経済学分野における様々な応用に利用できる。
関連論文リスト
- Quantum-Assisted Simulation: A Framework for Designing Machine Learning
Models in the Quantum Computing Domain [0.0]
量子コンピューティングの歴史を探求し、既存のQMLアルゴリズムを検証し、QMLアルゴリズムのシミュレーションを作成するための簡易な手順を提案する。
機械学習と量子機械学習の両方を用いて,データセット上でシミュレーションを行った。
論文 参考訳(メタデータ) (2023-11-17T07:33:42Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-14T08:03:20Z) - Explainable Quantum Machine Learning [0.7046417074932257]
人工知能(AI)や特に機械学習(ML)の手法は、これまで以上に複雑になってきている。
並行して、量子機械学習(QML)が登場し、量子コンピューティングハードウェアの改善が進行中である。
論文 参考訳(メタデータ) (2023-01-22T15:17:12Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - 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) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - 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) - Entangled Datasets for Quantum Machine Learning [0.0]
代わりに量子状態からなる量子データセットを使うべきだと我々は主張する。
NTangledデータセットの状態を生成するために量子ニューラルネットワークをどのように訓練するかを示す。
また、拡張性があり、量子回路によって準備された状態で構成される、別の絡み合いベースのデータセットについても検討する。
論文 参考訳(メタデータ) (2021-09-08T02:20:13Z) - Quantum Machine Learning with HQC Architectures using non-Classically
Simulable Feature Maps [0.0]
本稿では,QSVM(Quantum Support Vector Machines)を応用して,将来,精神的な治療を必要とするかどうかを予測する。
我々は、NISQ HQC Architectures for Quantum Machine Learningが、短期現実世界のアプリケーションで優れたパフォーマンスモデルを作成するために、代替として使用できることを証明した。
論文 参考訳(メタデータ) (2021-03-21T12:28:46Z) - Classification with Quantum Machine Learning: A Survey [17.55390082094971]
我々は古典的機械学習(ML)と量子情報処理(QIP)を組み合わせることで、量子世界における量子機械学習(QML)と呼ばれる新しい分野を構築する。
本稿では,量子機械学習(QML)の最先端技術に関する包括的調査を提示し,要約する。
論文 参考訳(メタデータ) (2020-06-22T14:05:31Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。