論文の概要: Towards Feature Selection for Ranking and Classification Exploiting Quantum Annealers

• arxiv url: http://arxiv.org/abs/2205.04346v1
• Date: Mon, 9 May 2022 14:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 18:07:24.556849
• Title: Towards Feature Selection for Ranking and Classification Exploiting Quantum Annealers
• Title（参考訳）: 量子アニーラを用いたランク付けと分類のための特徴選択
• Authors: Maurizio Ferrari Dacrema, Fabio Moroni, Riccardo Nembrini, Nicola Ferro, Guglielmo Faggioli, Paolo Cremonesi
• Abstract要約: 本稿では,現在利用可能な量子コンピューティングアーキテクチャを用いて,ランク付けと分類の両面での2次特徴選択アルゴリズムの実現可能性について検討する。 量子コンピューティングハードウェアで得られる有効性は古典的な解法に匹敵するものであり、量子コンピュータは興味深い問題に取り組むのに十分な信頼性を持っていることを示している。
• 参考スコア（独自算出の注目度）: 14.519254230787993
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Feature selection is a common step in many ranking, classification, or prediction tasks and serves many purposes. By removing redundant or noisy features, the accuracy of ranking or classification can be improved and the computational cost of the subsequent learning steps can be reduced. However, feature selection can be itself a computationally expensive process. While for decades confined to theoretical algorithmic papers, quantum computing is now becoming a viable tool to tackle realistic problems, in particular special-purpose solvers based on the Quantum Annealing paradigm. This paper aims to explore the feasibility of using currently available quantum computing architectures to solve some quadratic feature selection algorithms for both ranking and classification. The experimental analysis includes 15 state-of-the-art datasets. The effectiveness obtained with quantum computing hardware is comparable to that of classical solvers, indicating that quantum computers are now reliable enough to tackle interesting problems. In terms of scalability, current generation quantum computers are able to provide a limited speedup over certain classical algorithms and hybrid quantum-classical strategies show lower computational cost for problems of more than a thousand features.
• Abstract（参考訳）: 特徴の選択は多くのランク付け、分類、予測タスクで一般的なステップであり、多くの目的に役立ちます。 冗長又はノイズのある特徴を除去することにより、ランキングや分類の精度を向上し、その後の学習ステップの計算コストを低減できる。 しかし、機能選択はそれ自体が計算コストの高いプロセスである。 何十年にもわたって、理論的なアルゴリズムの論文に限られてきたが、量子コンピューティングは現実的な問題、特に量子アニーリングパラダイムに基づく特別目的解法に対処するための有効なツールになりつつある。 本稿では,現在利用可能な量子コンピューティングアーキテクチャを用いて,ランク付けと分類の2次特徴選択アルゴリズムの実現可能性を検討する。 実験分析には15の最先端データセットが含まれている。 量子コンピューティングハードウェアで得られる有効性は古典的な解法に匹敵するものであり、量子コンピュータは興味深い問題に取り組むのに十分な信頼性を持っていることを示している。 スケーラビリティの面では、現在の量子コンピュータは、特定の古典的アルゴリズムに対して限られたスピードアップを提供することができ、ハイブリッド量子古典戦略は、1000以上の問題に対する計算コストが低いことを示している。

関連論文リスト

• Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
  この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。 目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。 アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
  論文  参考訳（メタデータ） (2024-03-01T19:36:35Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• 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)
• Variational Quantum Algorithms for Computational Fluid Dynamics [0.0]
  変分量子アルゴリズムは、ノイズ耐性が比較的高いため、特に有望である。 本稿では,変分量子アルゴリズムの計算流体力学への応用について述べる。 古典的な計算手法に対する量子的優位性は、この10年の終わりまでに達成できると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-11T18:49:22Z)
• Feature Selection for Recommender Systems with Quantum Computing [7.8851236034886645]
  小型だが機能的な量子コンピュータは、より広い研究コミュニティで利用できるようになった。 この数学的定式化に最も自然に適合するタスクの1つは特徴選択である。 特徴選択を最適化問題として表現し、D-Waveが提供する実量子コンピュータ上で解く。
  論文  参考訳（メタデータ） (2021-10-11T08:52:50Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
  本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。 このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
  論文  参考訳（メタデータ） (2020-10-14T18:05:49Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)
• A Roadmap for Automating the Selection of Quantum Computers for Quantum Algorithms [0.39146761527401425]
  いくつかの量子アルゴリズムは、最もよく知られた古典的アルゴリズムと比較して理論的なスピードアップを示す。 入力データは、例えば量子アルゴリズムに必要な量子ビット数とゲート数を決定する。 アルゴリズムの実装は、使用可能な量子コンピュータのセットを制限する使用済みのソフトウェア開発キットにも依存する。
  論文  参考訳（メタデータ） (2020-03-30T12:44:10Z)

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。