論文の概要: An Introduction to Quantum Machine Learning for Engineers

• arxiv url: http://arxiv.org/abs/2205.09510v1
• Date: Wed, 11 May 2022 12:10:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-22 13:09:29.157619
• Title: An Introduction to Quantum Machine Learning for Engineers
• Title（参考訳）: 技術者のための量子機械学習入門
• Authors: Osvaldo Simeone
• Abstract要約: 量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。 この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
• 参考スコア（独自算出の注目度）: 36.18344598412261
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the current noisy intermediate-scale quantum (NISQ) era, quantum machine learning is emerging as a dominant paradigm to program gate-based quantum computers. In quantum machine learning, the gates of a quantum circuit are parametrized, and the parameters are tuned via classical optimization based on data and on measurements of the outputs of the circuit. Parametrized quantum circuits (PQCs) can efficiently address combinatorial optimization problems, implement probabilistic generative models, and carry out inference (classification and regression). This monograph provides a self-contained introduction to quantum machine learning for an audience of engineers with a background in probability and linear algebra. It first describes the necessary background, concepts, and tools necessary to describe quantum operations and measurements. Then, it covers parametrized quantum circuits, the variational quantum eigensolver, as well as unsupervised and supervised quantum machine learning formulations.
• Abstract（参考訳）: 現在のノイズの多い中間スケール量子(NISQ)時代には、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして量子機械学習が登場しつつある。 量子機械学習では、量子回路のゲートはパラメータ化され、パラメータはデータと回路の出力の測定に基づいて古典的な最適化によって調整される。 パラメタライズド量子回路(PQC)は組合せ最適化問題を効率的に解決し、確率的生成モデルを実装し、推論(分類と回帰)を行う。 このモノグラフは、確率と線形代数の背景を持つエンジニアの聴衆に対して、自己完結した量子機械学習入門を提供する。 量子演算と測定を記述するのに必要な背景、概念、ツールを最初に記述する。 次に、パラメトリゼーション量子回路、変分量子固有解法、および教師なしおよび教師なし量子機械学習の定式化をカバーする。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
  オープン量子系の基本理論の簡潔な要約を提供する。 次に、最近の量子アルゴリズムに関する議論を掘り下げる。 我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
  論文  参考訳（メタデータ） (2024-06-07T19:02:22Z)
• 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)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Explainable Quantum Machine Learning [0.7046417074932257]
  人工知能(AI)や特に機械学習(ML)の手法は、これまで以上に複雑になってきている。 並行して、量子機械学習(QML)が登場し、量子コンピューティングハードウェアの改善が進行中である。
  論文  参考訳（メタデータ） (2023-01-22T15:17:12Z)
• 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)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• Scalable Simulation of Quantum Measurement Process with Quantum Computers [13.14263204660076]
  量子計測過程をエミュレートする量子ビットモデルを提案する。 1つのモデルは単一光子検出によって動機付けされ、もう1つはスピン測定によって動機付けされる。 我々はSchr"odinger cat-like状態を生成し、それに対応する量子回路を明示的に示す。
  論文  参考訳（メタデータ） (2022-06-28T14:21:43Z)
• 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)
• Optimal quantum kernels for small data classification [0.0]
  本稿では,量子ゲートシーケンスをデータに適応させるベクトルマシンをサポートするために,量子カーネルを構築するアルゴリズムを示す。 少数のトレーニングポイントを持つ分類問題に対する結果の量子モデルの性能は、最適化された古典モデルよりも著しく高い。
  論文  参考訳（メタデータ） (2022-03-25T18:26:44Z)

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。