論文の概要: From Quantum Graph Computing to Quantum Graph Learning: A Survey

• arxiv url: http://arxiv.org/abs/2202.09506v1
• Date: Sat, 19 Feb 2022 02:56:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-26 14:17:46.722490
• Title: From Quantum Graph Computing to Quantum Graph Learning: A Survey
• Title（参考訳）: 量子グラフコンピューティングから量子グラフ学習へ:調査
• Authors: Yehui Tang, Junchi Yan, Hancock Edwin
• Abstract要約: まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
• 参考スコア（独自算出の注目度）: 86.8206129053725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing (QC) is a new computational paradigm whose foundations relate to quantum physics. Notable progress has been made, driving the birth of a series of quantum-based algorithms that take advantage of quantum computational power. In this paper, we provide a targeted survey of the development of QC for graph-related tasks. We first elaborate the correlations between quantum mechanics and graph theory to show that quantum computers are able to generate useful solutions that can not be produced by classical systems efficiently for some problems related to graphs. For its practicability and wide-applicability, we give a brief review of typical graph learning techniques designed for various tasks. Inspired by these powerful methods, we note that advanced quantum algorithms have been proposed for characterizing the graph structures. We give a snapshot of quantum graph learning where expectations serve as a catalyst for subsequent research. We further discuss the challenges of using quantum algorithms in graph learning, and future directions towards more flexible and versatile quantum graph learning solvers.
• Abstract（参考訳）: 量子コンピューティング(QC)は、量子物理学に基礎を置く新しい計算パラダイムである。 注目すべき進歩は、量子計算力を利用する一連の量子ベースのアルゴリズムの誕生を駆動するものである。 本稿では,グラフ関連タスクのためのqcの開発を目標とした調査を行う。 まず,量子力学とグラフ理論の相関関係を詳述し,量子コンピュータは,グラフに関連するいくつかの問題に対して古典的システムでは効率的に生成できない有用な解を生成することができることを示した。 その実用性と幅広い適用性について,様々なタスク用に設計された典型的なグラフ学習手法について概観する。 これらの強力な手法に着想を得て、グラフ構造を特徴づけるための高度な量子アルゴリズムが提案されていることに留意する。 我々は、今後の研究に期待が触媒となる量子グラフ学習のスナップショットを示す。 さらに、グラフ学習における量子アルゴリズムの課題と、より柔軟で汎用的な量子グラフ学習ソルバに向けた今後の方向性について論じる。

関連論文リスト

• Discrete-Time Quantum Walks: A Quantum Advantage for Graph Representation [0.0]
  この論文は、複雑なグラフトポロジをヒルベルト空間に包含し、グラフ解析の有効性を著しく向上させる。 この発展は量子コンピューティングとグラフ理論の交差に革命をもたらすことを約束する。
  論文  参考訳（メタデータ） (2024-07-16T11:49:49Z)
• Quantum Positional Encodings for Graph Neural Networks [1.9791587637442671]
  本稿では,量子コンピュータを用いて得られたグラフニューラルネットワークに適した位置符号化の新たなファミリを提案する。 私たちのインスピレーションは、量子処理ユニットの最近の進歩に起因しています。
  論文  参考訳（メタデータ） (2024-05-21T17:56:33Z)
• Quantum Graph Learning: Frontiers and Outlook [14.1772249363715]
  グラフ学習を促進するために 量子理論を助長することは 生まれたばかりです まずQGLを考察し、量子論とグラフ学習の相互主義について議論する。 グラフ上の量子コンピューティング、量子グラフ表現、グラフニューラルネットワークのための量子回路など、QGLの新しい分類法が提示される。
  論文  参考訳（メタデータ） (2023-02-02T05:53:31Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• 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)
• An Introduction to Quantum Computing for Statisticians [2.3757641219977392]
  量子コンピューティングは、私たちの生き方や世界を理解する方法に革命をもたらす可能性がある。 このレビューは、統計学とデータ分析の応用に焦点を当てた、量子コンピューティングへのアクセシビリティな導入を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-12-13T12:08:28Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• Quantum machine learning of graph-structured data [0.38581147665516596]
  グラフ構造化量子データについて検討し、量子ニューラルネットワークによる量子機械学習の実施方法について述べる。 我々は、この追加グラフ構造を体系的に利用して量子学習アルゴリズムを改善する方法について説明する。
  論文  参考訳（メタデータ） (2021-03-19T14:39:19Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)

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。