論文の概要: Equivariant quantum circuits for learning on weighted graphs
- arxiv url: http://arxiv.org/abs/2205.06109v2
- Date: Mon, 24 Apr 2023 07:15:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-26 00:24:49.980066
- Title: Equivariant quantum circuits for learning on weighted graphs
- Title(参考訳): 重み付きグラフ学習のための等価量子回路
- Authors: Andrea Skolik, Michele Cattelan, Sheir Yarkoni, Thomas B\"ack, Vedran
Dunjko
- Abstract要約: 重み付きグラフ上でタスクを学習するためのアンサッツを導入する。
複雑な学習課題,すなわちニューラル最適化において,このアンザッツの性能を評価する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational quantum algorithms are the leading candidate for advantage on
near-term quantum hardware. When training a parametrized quantum circuit in
this setting to solve a specific problem, the choice of ansatz is one of the
most important factors that determines the trainability and performance of the
algorithm. In quantum machine learning (QML), however, the literature on
ansatzes that are motivated by the training data structure is scarce. In this
work, we introduce an ansatz for learning tasks on weighted graphs that
respects an important graph symmetry, namely equivariance under node
permutations. We evaluate the performance of this ansatz on a complex learning
task, namely neural combinatorial optimization, where a machine learning model
is used to learn a heuristic for a combinatorial optimization problem. We
analytically and numerically study the performance of our model, and our
results strengthen the notion that symmetry-preserving ansatzes are a key to
success in QML.
- Abstract(参考訳): 変分量子アルゴリズムは、短期量子ハードウェアの利点の第一候補である。
この設定でパラメータ化された量子回路をトレーニングし、特定の問題を解決する際に、アルゴリズムのトレーニング可能性と性能を決定する最も重要な要素の1つである。
しかし、量子機械学習(qml)では、トレーニングデータ構造によって動機づけられたアンサtzeに関する文献は少ない。
本稿では,重み付きグラフのタスクを学習するためのアンサッツについて紹介する。
複雑な学習課題,すなわちニューラルコンビネータ最適化において,このアンザッツの性能を評価し,そのモデルを用いて組合せ最適化問題に対するヒューリスティックを学習する。
我々は, モデルの性能を解析的, 数値的に研究し, この結果から, 対称性保存アンサテイズがQMLの成功の鍵であるという考えが強まった。
関連論文リスト
- Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-26T18:23:21Z) - Dissipative learning of a quantum classifier [0.0]
オープン量子システムとして機能する量子分類器モデルの学習力学を解析する。
モデルは勾配降下(GD)に基づくアルゴリズムでうまく訓練することができる。
これらの最適化プロセスが連続力学で得られたという事実は、微分可能活性化関数の開発を約束することを示している。
論文 参考訳(メタデータ) (2023-07-23T11:08:51Z) - 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) - 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) - Diagrammatic Analysis for Parameterized Quantum Circuits [0.0]
本稿では、特にパラメータ化量子回路に適したZX計算の拡張について述べる。
いくつかの新しいZXダイアグラムの書き直し規則とこの設定の一般化を提供する。
ダイアグラム的アプローチは,アルゴリズムの構造と性能に関する有用な洞察を提供する。
論文 参考訳(メタデータ) (2022-04-04T08:26:20Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
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。
論文 参考訳(メタデータ) (2022-02-19T02:56:47Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - Efficient Classical Computation of Quantum Mean Values for Shallow QAOA
Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。
我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文 参考訳(メタデータ) (2021-12-21T12:41:31Z) - Representation Learning via Quantum Neural Tangent Kernels [10.168123455922249]
変分量子回路は、量子機械学習や変分量子シミュレーションタスクで使用される。
本稿では、ニューラルネットワークカーネルの理論を用いて変動量子回路を解析し、これらの問題を論じる。
変形角がゆっくり変化し、線形摂動が十分であるような、凍結限界(遅延訓練)の力学を解析的に解いた。
論文 参考訳(メタデータ) (2021-11-08T01:30:34Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳(メタデータ) (2021-08-09T18:00:05Z) - A semi-agnostic ansatz with variable structure for quantum machine
learning [0.9449650062296824]
量子機械学習(QML)のためのアンサーゼを構築するための可変構造アプローチを提案する。
我々のアプローチはVAnsと呼ばれ、最適化中に量子ゲートを拡大および(厳密には)除去するために一連のルールを適用します。
我々は、凝縮物質および量子化学応用のための変分量子固有解法にVAnを用いる。
論文 参考訳(メタデータ) (2021-03-11T14:58:40Z)
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。