論文の概要: Data compression for quantum machine learning

• arxiv url: http://arxiv.org/abs/2204.11170v2
• Date: Wed, 1 Jun 2022 21:56:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-15 20:20:20.817108
• Title: Data compression for quantum machine learning
• Title（参考訳）: 量子機械学習のためのデータ圧縮
• Authors: Rohit Dilip, Yu-Jie Liu, Adam Smith, Frank Pollmann
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.119778346188635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of noisy-intermediate scale quantum computers has introduced the exciting possibility of achieving quantum speedups in machine learning tasks. These devices, however, are composed of a small number of qubits, and can faithfully run only short circuits. This puts many proposed approaches for quantum machine learning beyond currently available devices. We address the problem of efficiently compressing and loading classical data for use on a quantum computer. Our proposed methods allow both the required number of qubits and depth of the quantum circuit to be tuned. We achieve this by using a correspondence between matrix-product states and quantum circuits, and further propose a hardware-efficient quantum circuit approach, which we benchmark on the Fashion-MNIST dataset. Finally, we demonstrate that a quantum circuit based classifier can achieve competitive accuracy with current tensor learning methods using only 11 qubits.
• Abstract（参考訳）: ノイズの多い中規模量子コンピュータの出現は、機械学習タスクで量子スピードアップを実現するエキサイティングな可能性を導入した。 しかし、これらのデバイスは少数の量子ビットで構成されており、短い回路のみを忠実に動かすことができる。 これにより、現在利用可能なデバイスを超えて量子機械学習に多くのアプローチが提案されている。 量子コンピュータ上で使用するために古典データを効率的に圧縮・ロードする問題に対処する。 提案手法により,量子回路に必要な量子ビット数と深さの両方をチューニングできる。 我々は,行列生成状態と量子回路の対応を用いてこれを実現し,さらにファッショナリズムデータセットをベンチマークするハードウェア効率の良い量子回路手法を提案する。 最後に、量子回路に基づく分類器が、現在のテンソル学習法において、わずか11量子ビットで競合精度が得られることを実証する。

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)
• 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)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• Compact quantum kernel-based binary classifier [2.0684234025249717]
  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。
  論文  参考訳（メタデータ） (2022-02-04T14:30:53Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• 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)
• A divide-and-conquer algorithm for quantum state preparation [2.2596039727344457]
  本研究では,N次元ベクトルを多対数深度および絡み合った情報を持つ量子回路に負荷させることが可能であることを示す。 その結果,空間の計算時間を交換するために分割・対数戦略を用いて,量子デバイスに効率的にデータをロードできることが示唆された。
  論文  参考訳（メタデータ） (2020-08-04T13:26:07Z)
• Quantum process tomography with unsupervised learning and tensor networks [0.0]
  本稿では,量子プロセストモグラフィーを行う新しい手法を提案する。 チャネルのテンソルネットワーク表現と、教師なし機械学習にインスパイアされたデータ駆動最適化を組み合わせる。 私たちの結果は最先端以上のもので、現在の量子コンピュータと短期量子コンピュータで量子回路をベンチマークするための実用的でタイムリーなツールを提供しています。
  論文  参考訳（メタデータ） (2020-06-03T17:54:23Z)

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。