論文の概要: Quantum spectral clustering algorithm for unsupervised learning
- arxiv url: http://arxiv.org/abs/2203.03132v2
- Date: Fri, 10 Jun 2022 09:41:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 22:12:17.880906
- Title: Quantum spectral clustering algorithm for unsupervised learning
- Title(参考訳): 教師なし学習のための量子スペクトルクラスタリングアルゴリズム
- Authors: Qingyu Li, Yuhan Huang, Shan Jin, Xiaokai Hou, Xiaoting Wang
- Abstract要約: 本稿では,量子プロセッサ上でのスペクトルクラスタリングを実現する回路設計を提案する。
確立された量子$k$-meansアルゴリズムと比較して、我々の手法は量子ランダムアクセスメモリや量子断熱処理を必要としない。
- 参考スコア(独自算出の注目度): 0.8399688944263843
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clustering is one of the most crucial problems in unsupervised learning, and
the well-known $k$-means clustering algorithm has been shown to be
implementable on a quantum computer with a significant speedup. However, many
clustering problems cannot be solved by $k$-means, and a powerful method called
spectral clustering is introduced to solve these problems. In this work, we
propose a circuit design to implement spectral clustering on a quantum
processor with a substantial speedup, by initializing the processor into a
maximally entangled state and encoding the data information into an
efficiently-simulatable Hamiltonian. Compared with the established quantum
$k$-means algorithms, our method does not require a quantum random access
memory or a quantum adiabatic process. It relies on an appropriate embedding of
quantum phase estimation into Grover's search to gain the quantum speedup.
Simulations demonstrate that our method is effective in solving clustering
problems and will serve as an important supplement to quantum $k$-means for
unsupervised learning.
- Abstract(参考訳): クラスタリングは教師なし学習において最も重要な問題の1つであり、よく知られた$k$-meansクラスタリングアルゴリズムは大きなスピードアップを持つ量子コンピュータ上で実装可能であることが示されている。
しかし、多くのクラスタリング問題は$k$-meansでは解決できず、これらの問題を解決するためにスペクトルクラスタリングと呼ばれる強力な手法が導入された。
本研究では,プロセッサを最大絡み合った状態に初期化し,データ情報を効率的にシミュレート可能なハミルトニアンに符号化することで,量子プロセッサのスペクトルクラスタリングを実現する回路設計を提案する。
確立されたquantum $k$-meansアルゴリズムと比較して、この方法は量子ランダムアクセスメモリやquantum adiabaticプロセスを必要としない。
量子位相推定の適切な埋め込みをグロバーの探索に頼り、量子スピードアップを得る。
シミュレーションにより,本手法はクラスタリング問題の解法として有効であることが示され,教師なし学習のための量子k$-meansの重要な補足となる。
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) - Clustering by Contour coreset and variational quantum eigensolver [0.8544206632559302]
本稿では,変分量子固有解法(VQE)とカスタマイズコアセット法であるContour coresetを用いて,k平均クラスタリング問題を解くことを提案する。
我々の研究は、量子化されたコアセット技術は量子アルゴリズムの性能を大幅に向上させる可能性があることを示した。
論文 参考訳(メタデータ) (2023-12-06T14:21:17Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - Efficient algorithms for quantum information bottleneck [64.67104066707309]
本稿では,情報ボトルネックの量子一般化のための新しい一般アルゴリズムを提案する。
本アルゴリズムは, 先行結果と比較して, 収束の速度と定性に優れる。
特に、量子システムは、量子情報のボトルネックに関して、同じ大きさの古典的なシステムよりも厳格に優れた性能を達成できることがわかった。
論文 参考訳(メタデータ) (2022-08-22T14:20:05Z) - Variational Quantum and Quantum-Inspired Clustering [0.0]
本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。
このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
論文 参考訳(メタデータ) (2022-06-20T17:02:19Z) - 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) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator [0.0]
本稿では,量子ユークリッド推定アルゴリズムを用いた効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。
提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。
論文 参考訳(メタデータ) (2020-12-21T06:38:20Z) - Robustness Verification of Quantum Classifiers [1.3534683694551501]
我々は、雑音に対する量子機械学習アルゴリズムの検証と解析のための正式なフレームワークを定義する。
堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。
我々のアプローチはGoogleのQuantum分類器に実装されており、ノイズの小さな乱れに関して量子機械学習アルゴリズムの堅牢性を検証することができる。
論文 参考訳(メタデータ) (2020-08-17T11:56:23Z)
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。