論文の概要: Quantum density peak clustering

• arxiv url: http://arxiv.org/abs/2207.10559v1
• Date: Thu, 21 Jul 2022 15:58:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-04 05:22:34.550565
• Title: Quantum density peak clustering
• Title（参考訳）: 量子密度ピーククラスタリング
• Authors: Duarte Magano, Lorenzo Buffoni, Yasser Omar
• Abstract要約: 最小値探索のための量子ルーチン上に構築された密度ピーククラスタリングアルゴリズムの量子バージョンを導入する。 我々は,データセットの構造に応じて,密度ピーククラスタリングの決定版に対する量子スピードアップを証明した。
• 参考スコア（独自算出の注目度）: 5.8010446129208155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clustering algorithms are of fundamental importance when dealing with large unstructured datasets and discovering new patterns and correlations therein, with applications ranging from scientific research to medical imaging and marketing analysis. In this work, we introduce a quantum version of the density peak clustering algorithm, built upon a quantum routine for minimum finding. We prove a quantum speedup for a decision version of density peak clustering depending on the structure of the dataset. Specifically, the speedup is dependent on the heights of the trees of the induced graph of nearest-highers, i.e., the graph of connections to the nearest elements with higher density. We discuss this condition, showing that our algorithm is particularly suitable for high-dimensional datasets. Finally, we benchmark our proposal with a toy problem on a real quantum device.
• Abstract（参考訳）: クラスタリングアルゴリズムは、大規模な非構造化データセットに対処し、科学研究から医用画像、マーケティング分析に至るまで、新たなパターンや相関を見つけ出す上で、極めて重要である。 本研究では,最小値探索のための量子ルーチン上に構築された密度ピーククラスタリングアルゴリズムの量子バージョンを紹介する。 我々は,データセットの構造に応じて,密度ピーククラスタリングの決定版に対する量子スピードアップを証明した。 具体的には、スピードアップは、最も近い要素の誘導されたグラフの木の高さ、すなわち、密度の高い最も近い要素との接続のグラフに依存する。 本稿では,本アルゴリズムが高次元データセットに特に適していることを示す。 最後に、我々の提案を実際の量子デバイス上でのおもちゃの問題でベンチマークする。

関連論文リスト

• qLUE: A Quantum Clustering Algorithm for Multi- Dimensional Datasets [0.6597195879147555]
  qLUEは、点数とその密度の両方で線形にスケールする量子クラスタリングアルゴリズムである。 我々は、qLUEが複雑なデータ解析タスクを処理するための有望な方法であることを示す。
  論文  参考訳（メタデータ） (2024-06-29T08:10:09Z)
• An Analysis of Quantum Annealing Algorithms for Solving the Maximum Clique Problem [49.1574468325115]
  我々は、QUBO問題として表されるグラフ上の最大傾きを見つける量子D波アンナーの能力を解析する。 本稿では, 相補的な最大独立集合問題に対する分解アルゴリズムと, ノード数, 傾き数, 密度, 接続率, 解サイズの他のノード数に対する比を制御するグラフ生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-11T04:40:05Z)
• Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
  本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。 以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-15T12:38:46Z)
• Quantum topological data analysis via the estimation of the density of states [17.857341127079305]
  ラプラシアンの状態密度(DOS)を推定した量子トポロジカルデータ解析プロトコルを開発した。 我々は、ノイズレスでノイズの多い量子シミュレータ上でプロトコルをテストし、IBM量子プロセッサ上でサンプルを実行する。
  論文  参考訳（メタデータ） (2023-12-12T09:43:04Z)
• NISQ-friendly measurement-based quantum clustering algorithms [0.7373617024876725]
  2つの新しい測定に基づく量子クラスタリングアルゴリズムが提案されている。 第1のアルゴリズムは分割的なアプローチに従っており、第2のアルゴリズムはアンシャープの測定に基づいている。 どちらのアルゴリズムも本質的に単純であり、実装が容易であり、ノイズの多い中間量子コンピュータに適している。
  論文  参考訳（メタデータ） (2023-02-01T16:38:27Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Density-Based Clustering with Kernel Diffusion [59.4179549482505]
  単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。 局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
  論文  参考訳（メタデータ） (2021-10-11T09:00:33Z)
• Quantum information spreading in a disordered quantum walk [50.591267188664666]
  量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。 我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。 以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
  論文  参考訳（メタデータ） (2020-10-20T20:03:19Z)
• A Quantum Graph Neural Network Approach to Particle Track Reconstruction [1.087475836765689]
  本稿では,初期単純化ツリーネットワーク(TTN)モデルの低精度化を克服するために,反復的アプローチによる改良モデルを提案する。 我々は、量子コンピューティングの能力を活用して、非常に多くの状態を同時に評価し、それによって、大きなパラメータ空間を効果的に探索することを目指している。
  論文  参考訳（メタデータ） (2020-07-14T07:25:24Z)
• High-Dimensional Similarity Search with Quantum-Assisted Variational Autoencoder [3.6704555687356644]
  量子機械学習は、量子優位性を示す潜在的アプローチとして評価されている。 QVAEの潜在空間表現に基づいて、空間効率の高い検索インデックスを構築する方法を示す。 線形探索と比較して現実のスピードアップを見つけ、メモリ効率のスケーリングを5億のデータポイントに示す。
  論文  参考訳（メタデータ） (2020-06-13T16:55:23Z)

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。