論文の概要: Theoretical Error Performance Analysis for Variational Quantum Circuit
Based Functional Regression
- arxiv url: http://arxiv.org/abs/2206.04804v1
- Date: Wed, 8 Jun 2022 06:54:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-13 15:24:51.914904
- Title: Theoretical Error Performance Analysis for Variational Quantum Circuit
Based Functional Regression
- Title（参考訳）: 変分量子回路に基づく関数回帰の理論的誤差性能解析
- Authors: Jun Qi, Chao-Han Huck Yang, Pin-Yu Chen, Min-Hsiu Hsieh
- Abstract要約: 本研究では,次元減少と機能回帰のためのエンドツーエンドの量子ニューラルネットワークであるTTN-VQCを提案する。
また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
- 参考スコア（独自算出の注目度）: 83.79664725059877
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The noisy intermediate-scale quantum (NISQ) devices enable the implementation
of the variational quantum circuit (VQC) for quantum neural networks (QNN).
Although the VQC-based QNN has succeeded in many machine learning tasks, the
representation and generalization powers of VQC still require further
investigation, particularly when the dimensionality reduction of classical
inputs is concerned. In this work, we first put forth an end-to-end quantum
neural network, namely, TTN-VQC, which consists of a quantum tensor network
based on a tensor-train network (TTN) for dimensionality reduction and a VQC
for functional regression. Then, we aim at the error performance analysis for
the TTN-VQC in terms of representation and generalization powers. We also
characterize the optimization properties of TTN-VQC by leveraging the
Polyak-Lojasiewicz (PL) condition. Moreover, we conduct the experiments of
functional regression on a handwritten digit classification dataset to justify
our theoretical analysis.
- Abstract（参考訳）: ノイズの多い中間スケール量子(NISQ)デバイスは、量子ニューラルネットワーク(QNN)のための変分量子回路(VQC)の実装を可能にする。
VQCベースのQNNは多くの機械学習タスクに成功しているが、VQCの表現と一般化の力は、特に古典的な入力の次元的減少に関するさらなる調査を必要とする。
本研究では、まず、次元減少のためのテンソルトレインネットワーク(TTN)に基づく量子テンソルネットワークと、機能回帰のためのVQCからなる、エンドツーエンドの量子ニューラルネットワーク、TTN-VQCを提案する。
次に,ttn-vqcの表現力と一般化力の観点から誤差性能解析を行う。
また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
さらに、手書き桁分類データセット上で関数回帰の実験を行い、理論解析を正当化する。
関連論文リスト
- Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - A joint optimization approach of parameterized quantum circuits with a
tensor network [0.0]
現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。
本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
論文 参考訳（メタデータ） (2024-02-19T12:53:52Z) - Neural network encoded variational quantum algorithms [0.241710192205034]
ニューラルネットワーク(NN)符号化変分量子アルゴリズム(VQA)という一般的なフレームワークを導入する。
NN-VQAは与えられた問題からニューラルネットワークに入力(ハミルトンのパラメータなど)を供給し、その出力を使用して標準VQAのアンサッツ回路をパラメータ化する。
パラメータ化されたXXZスピンモデルの基底状態を解決するためのNN変分量子固有解器(VQE)について報告する。
論文 参考訳（メタデータ） (2023-08-02T10:32:57Z) - Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。
テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。
この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文 参考訳（メタデータ） (2023-05-18T03:08:18Z) - 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) - QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。
QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。
MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
論文 参考訳（メタデータ） (2021-10-06T14:44:51Z) - A Statistical Framework for Low-bitwidth Training of Deep Neural
Networks [70.77754244060384]
フル量子化トレーニング(FQT)は、ニューラルネットワークモデルのアクティベーション、重み、勾配を定量化することで、低ビット幅のハードウェアを使用する。
FQTの最大の課題は、特に勾配量子化が収束特性にどのように影響するかという理論的な理解の欠如である。
論文 参考訳（メタデータ） (2020-10-27T13:57:33Z) - Quantum-enhanced data classification with a variational entangled sensor
network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。
我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文 参考訳（メタデータ） (2020-06-22T01:22:33Z)
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。