論文の概要: Variational Quantum Approximate Support Vector Machine With Inference
Transfer
- arxiv url: http://arxiv.org/abs/2206.14507v1
- Date: Wed, 29 Jun 2022 09:56:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-30 20:58:56.965118
- Title: Variational Quantum Approximate Support Vector Machine With Inference
Transfer
- Title(参考訳): 推論伝達を有する変分量子近似支持ベクトルマシン
- Authors: Siheon Park, Daniel K. Park, June-Koo Kevin Rhee
- Abstract要約: 複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。
サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。
虹彩データ分類の精度は98.8%に達した。
- 参考スコア(独自算出の注目度): 0.8057006406834467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A kernel-based quantum classifier is the most interesting and powerful
quantum machine learning technique for hyperlinear classification of complex
data, which can be easily realized in shallow-depth quantum circuits such as a
SWAP test classifier. Surprisingly, a support vector machine can be realized
inherently and explicitly on these circuits by introduction of a variational
scheme to map the quadratic optimization problem of the SVM theory to a
quantum-classical variational optimization problem. This scheme is realized
with parameterized quantum circuits (PQC) to create a nonuniform weight vector
to index qubits that can evaluate training loss and classification score in a
linear time. We train the classical parameters of this Variational Quantum
Approximate Support Vector Machine (VQASVM), which can be transferred to many
copies of other VQASVM decision inference circuits for classification of new
query data. Our VQASVM algorithm is experimented with toy example data sets on
cloud-based quantum machines for feasibility evaluation, and numerically
investigated to evaluate its performance on a standard iris flower data set.
The accuracy of iris data classification reached 98.8%.
- Abstract(参考訳): カーネルベースの量子分類器は、複雑なデータの超線形分類のための最も興味深く強力な量子機械学習技術であり、SWAPテスト分類器のような浅い深さの量子回路で容易に実現できる。
驚くべきことに、これらの回路上では、svm理論の二次最適化問題を量子古典的変分最適化問題にマッピングする変分スキームを導入することで、サポートベクトルマシンを本質的に明示的に実現することができる。
この方式は、パラメータ化量子回路(PQC)を用いて実現され、線形時間でトレーニング損失と分類スコアを評価できるインデックス量子ビットの非一様重みベクトルを生成する。
本稿では、この変分量子近似支援ベクトルマシン(VQASVM)の古典的パラメータをトレーニングし、新しいクエリデータの分類のために、他のVQASVM決定推論回路の多くのコピーに転送することができる。
vqasvmアルゴリズムは、クラウドベースの量子マシン上でのトイサンプルデータセットを用いて実現可能性評価を行い、標準irisフラワーデータセット上での性能評価を数値的に検討した。
irisのデータ分類の精度は98.8%に達した。
関連論文リスト
- Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Variational Quantum Linear Solver enhanced Quantum Support Vector
Machine [3.206157921187139]
本稿では,変分量子線形解法(VQLS)拡張QSVMを提案する。
NISQ デバイス上での最小二乗SVM の線形方程式系を解くために、変分量子線形解法を利用するという考え方に基づいている。
提案手法の実装は,Irisデータセットを用いた広範囲な数値実験により評価される。
論文 参考訳(メタデータ) (2023-09-14T14:59:58Z) - Variational Quantum Approximate Spectral Clustering for Binary
Clustering Problems [0.7550566004119158]
本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。
VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。
合成と実世界の両方のデータセットから得られた数値結果について述べる。
論文 参考訳(メタデータ) (2023-09-08T17:54:42Z) - A hybrid quantum-classical classifier based on branching multi-scale
entanglement renormalization ansatz [5.548873288570182]
本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。
グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。
本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
論文 参考訳(メタデータ) (2023-03-14T13:46:45Z) - 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) - Analog quantum variational embedding classifier [8.445680783099196]
アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。
性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。
提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
論文 参考訳(メタデータ) (2022-11-04T20:58:48Z) - Variational quantum one-class classifier [4.350783459690612]
一級分類は、幅広い応用のパターン認識における根本的な問題である。
本研究では,そのような問題に対する半教師付き量子機械学習アルゴリズムを提案し,変分量子一クラス分類器(VQOCC)と呼ぶ。
VQOCCの性能は、1クラスサポートベクトルマシン(OC-SVM)、カーネル主成分分析(PCA)、手書き桁とFashion-MNISTデータセットを用いたディープ畳み込みオートエンコーダ(DCAE)と比較される。
論文 参考訳(メタデータ) (2022-10-06T04:32:55Z) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳(メタデータ) (2021-07-11T10:56:24Z) - Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。
本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文 参考訳(メタデータ) (2021-04-30T21:34:11Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - 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)
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。