論文の概要: An example of use of Variational Methods in Quantum Machine Learning
- arxiv url: http://arxiv.org/abs/2208.04316v1
- Date: Sun, 7 Aug 2022 03:52:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-10 13:07:46.277427
- Title: An example of use of Variational Methods in Quantum Machine Learning
- Title（参考訳）: 量子機械学習における変分法の利用例
- Authors: Marco Simonetti and Damiano Perri and Osvaldo Gervasi
- Abstract要約: 本稿では,平面上の特定の幾何学的パターンの点を二項分類する量子ニューラルネットワークを提案する。
その意図は、ポイントを正しく認識し分類できる最小限のトレーニング可能なパラメータを持つ量子ディープニューラルネットワークを作ることであった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a deep learning system based on a quantum neural
network for the binary classification of points of a specific geometric pattern
(Two-Moons Classification problem) on a plane. We believe that the use of
hybrid deep learning systems (classical + quantum) can reasonably bring
benefits, not only in terms of computational acceleration but in understanding
the underlying phenomena and mechanisms; that will lead to the creation of new
forms of machine learning, as well as to a strong development in the world of
quantum computation. The chosen dataset is based on a 2D binary classification
generator, which helps test the effectiveness of specific algorithms; it is a
set of 2D points forming two interspersed semicircles. It displays two
disjointed data sets in a two-dimensional representation space: the features
are, therefore, the individual points' two coordinates, $x_1$ and $x_2$. The
intention was to produce a quantum deep neural network with the minimum number
of trainable parameters capable of correctly recognising and classifying
points.
- Abstract（参考訳）: 本稿では、平面上の特定の幾何学的パターン(二元分類問題)の点の2元分類のための量子ニューラルネットワークに基づく深層学習システムを提案する。
私たちは、ハイブリッドなディープラーニングシステム(古典的+量子的)を使うことは、計算の加速だけでなく、基礎となる現象やメカニズムを理解することで、合理的に利益をもたらすことができると信じています。
選択されたデータセットは、特定のアルゴリズムの有効性をテストするのに役立つ2次元バイナリ分類生成器に基づいている。
2次元の表現空間に2つの分離データセットを表示する:従って、個々の点の座標は$x_1$と$x_2$である。
その目的は、最小のトレーニング可能なパラメータ数で、ポイントを正しく認識し分類できる量子ディープニューラルネットワークを作ることだった。
関連論文リスト
- Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - First quantum machine learning applications on an on-site
room-temperature quantum computer [0.0]
本稿では,量子機械学習(QML)アルゴリズムの現場室温量子コンピュータへの応用を実演する。
オーストラリアのパースにあるPawsey Supercomputing Centreにインストールされた2ビット量子コンピュータは、マルチクラスの分類問題を解決するために使用される。
論文 参考訳（メタデータ） (2023-12-18T19:30:26Z) - ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。
ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。
量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
論文 参考訳（メタデータ） (2023-08-22T09:11:53Z) - 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) - Quantum neural networks [0.0]
この論文は、過去数十年で最もエキサイティングな研究分野である量子コンピューティングと機械学習を組み合わせたものだ。
本稿では、汎用量子計算が可能で、トレーニング中にメモリ要求の少ない散逸型量子ニューラルネットワーク(DQNN)を紹介する。
論文 参考訳（メタデータ） (2022-05-17T07:47:00Z) - A singular Riemannian geometry approach to Deep Neural Networks II.
Reconstruction of 1-D equivalence classes [78.120734120667]
入力空間における出力多様体内の点の事前像を構築する。
我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
論文 参考訳（メタデータ） (2021-12-17T11:47:45Z) - Benchmarking Small-Scale Quantum Devices on Computing Graph Edit
Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。
本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文 参考訳（メタデータ） (2021-11-19T12:35:26Z) - Quantum Alphatron: quantum advantage for learning with kernels and noise [2.94944680995069]
我々は、フォールトトレラントな設定でAlphatronの量子バージョンを提供する。
2層ニューラルネットワークの学習における量子優位性について論じる。
論文 参考訳（メタデータ） (2021-08-26T09:36:20Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Polyadic Quantum Classifier [0.0]
NISQアーキテクチャ上でのマルチクラス分類のための教師付き量子機械学習アルゴリズムを紹介する。
パラメトリック量子回路は、入力されたデータポイントのクラスに対応する特定のビット文字列を出力するように訓練される。
我々は、IBMq 5量子ビット量子コンピュータ上でそれをトレーニングし、テストし、そのアルゴリズムは精度が高いことを示す。
論文 参考訳（メタデータ） (2020-07-28T08:00:12Z)
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。