論文の概要: Quantum Advantage Seeker with Kernels (QuASK): a software framework to speed up the research in quantum machine learning

• arxiv url: http://arxiv.org/abs/2206.15284v2
• Date: Mon, 23 Oct 2023 15:52:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 15:07:44.387789
• Title: Quantum Advantage Seeker with Kernels (QuASK): a software framework to speed up the research in quantum machine learning
• Title（参考訳）: Quantum Advantage Seeker with Kernels (QuASK): 量子機械学習の研究を高速化するソフトウェアフレームワーク
• Authors: Francesco Di Marcantonio, Massimiliano Incudini, Davide Tezza and Michele Grossi
• Abstract要約: QuASKはPythonで書かれたオープンソースの量子機械学習フレームワークである。 量子カーネルを通じてデータを解析するために、最も最先端のアルゴリズムを実装している。 データセットのダウンロード、前処理、量子機械学習ルーチン、分析と視覚化のためのコマンドラインツールとして使用できる。
• 参考スコア（独自算出の注目度）: 0.9217021281095907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exploiting the properties of quantum information to the benefit of machine learning models is perhaps the most active field of research in quantum computation. This interest has supported the development of a multitude of software frameworks (e.g. Qiskit, Pennylane, Braket) to implement, simulate, and execute quantum algorithms. Most of them allow us to define quantum circuits, run basic quantum algorithms, and access low-level primitives depending on the hardware such software is supposed to run. For most experiments, these frameworks have to be manually integrated within a larger machine learning software pipeline. The researcher is in charge of knowing different software packages, integrating them through the development of long code scripts, analyzing the results, and generating the plots. Long code often leads to erroneous applications, due to the average number of bugs growing proportional with respect to the program length. Moreover, other researchers will struggle to understand and reproduce the experiment, due to the need to be familiar with all the different software frameworks involved in the code script. We propose QuASK, an open-source quantum machine learning framework written in Python that aids the researcher in performing their experiments, with particular attention to quantum kernel techniques. QuASK can be used as a command-line tool to download datasets, pre-process them, quantum machine learning routines, analyze and visualize the results. QuASK implements most state-of-the-art algorithms to analyze the data through quantum kernels, with the possibility to use projected kernels, (gradient-descent) trainable quantum kernels, and structure-optimized quantum kernels. Our framework can also be used as a library and integrated into pre-existing software, maximizing code reuse.
• Abstract（参考訳）: 量子情報の性質を機械学習モデルの利点に活用することは、おそらく量子計算における最も活発な研究分野である。 この関心は、量子アルゴリズムの実装、シミュレート、実行のための多数のソフトウェアフレームワーク(例えば、Qiskit、Pennylane、Braket)の開発を支持している。 それらのほとんどは、量子回路を定義し、基本的な量子アルゴリズムを実行し、ソフトウェアが実行されるべきハードウェアに依存する低レベルのプリミティブにアクセスできます。 ほとんどの実験では、これらのフレームワークはより大きな機械学習ソフトウェアパイプラインに手動で統合する必要がある。 研究者は、異なるソフトウェアパッケージを理解し、長いコードスクリプトの開発を通じてそれらを統合し、結果を分析し、プロットを生成する。 長いコードは、プログラムの長さに比例して増加する平均的なバグ数のために、しばしば間違ったアプリケーションにつながる。 さらに、他の研究者は、コードスクリプトに関わるすべての異なるソフトウェアフレームワークに精通する必要があるため、実験を理解して再現するのに苦労するだろう。 我々はquaskを提案する。quaskはpythonで書かれたオープンソースの量子機械学習フレームワークで、研究者が実験を行うのを支援する。特に量子カーネル技術に注目している。 QuASKは、データセットのダウンロード、前処理、量子機械学習ルーチン、分析と視覚化のためのコマンドラインツールとして使用できる。 QuASKは、量子カーネル、(緩やかな)トレーニング可能な量子カーネル、構造最適化された量子カーネルなど、ほとんどの最先端のアルゴリズムを実装して、量子カーネルを通じてデータを解析する。 私たちのフレームワークはライブラリとしても使用でき、既存のソフトウェアに統合され、コードの再利用を最大化します。

関連論文リスト

• Digital-Analog Quantum Machine Learning [0.0]
  機械学習アルゴリズムは、ますます多くのシステム、アプリケーション、技術、製品で広く使われている。 データの量の増加は 古典的な装置に困難をもたらします 量子システムは、特定のコンテキストにおける機械学習計算のスケールアップを可能にする方法を提供するかもしれない。
  論文  参考訳（メタデータ） (2024-11-16T08:54:52Z)
• QuForge: A Library for Qudits Simulation [0.0]
  QuForgeは、量子回路を量子ビットでシミュレートするように設計されたPythonベースのライブラリである。 GPUやTPUなどの加速デバイス上での実行をサポートし、シミュレーションを著しく高速化する。 スパース操作もサポートしており、他のライブラリと比較してメモリ消費が減少する。
  論文  参考訳（メタデータ） (2024-09-26T10:38:35Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• 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)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• Quantum Computing Toolkit From Nuts and Bolts to Sack of Tools [0.0]
  量子コンピューティングは、古典コンピューティングよりも処理において指数関数的なパフォーマンス上の利点を提供する可能性がある。 これは計算問題を解くために量子力学現象(重ね合わせ、絡み合い、干渉など)を利用する。 量子コンピュータは開発初期段階にあり、デコヒーレンス、すなわち環境相互作用によって劣化する量子ビットのためにノイズがある。
  論文  参考訳（メタデータ） (2023-02-17T14:08:44Z)
• 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)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)
• Quantum Machine Learning using Gaussian Processes with Performant Quantum Kernels [0.0]
  量子コンピュータを用いて1次元および多次元回帰の機械学習タスクを実行する。 我々は、シミュレーションとハードウェアの両方において、量子デバイスが、古典的なインスピレーションよりも少なくとも何倍も優れた機械学習タスクを実行できることを実証した。
  論文  参考訳（メタデータ） (2020-04-23T16:09:14Z)
• Software tools for quantum control: Improving quantum computer performance through noise and error suppression [3.6508609114589317]
  量子コンピューティング研究における量子制御の応用と統合のためのソフトウェアツールを紹介する。 我々は、最適化された量子制御ソリューションを作成し、デプロイするための、ピソンベースの古典的ソフトウェアツールのセットの概要を提供する。 本稿では,高性能分散クラウド計算とハードウェアシステムへのローカルカスタム統合の両方を活用するソフトウェアアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2020-01-13T04:34:06Z)

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。