論文の概要: Quantum support vector machines for aerodynamic classification
- arxiv url: http://arxiv.org/abs/2208.07138v1
- Date: Mon, 15 Aug 2022 12:17:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 01:39:52.443464
- Title: Quantum support vector machines for aerodynamic classification
- Title（参考訳）: 空力分類のための量子支持ベクトルマシン
- Authors: Xi-Jun Yuan and Zi-Qiao Chen and Yu-Dan Liu and Zhe Xie and Xian-Min
Jin and Ying-Zheng Liu and Xin Wen and Hao Tang
- Abstract要約: 航空力学は航空産業や航空機設計において重要な役割を果たしている。
量子コンピューティングに対する最近の関心は、空気力学の問題を解決するために量子技術を使うことに光を当てている。
提案手法は,11.1%の精度で従来のSVMより優れていることを示す。
- 参考スコア（独自算出の注目度）: 21.277227424878493
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Aerodynamics plays an important role in aviation industry and aircraft
design. Detecting and minimizing the phenomenon of flow separation from
scattered pressure data on airfoil is critical for ensuring stable and
efficient aviation. However, since it is challenging to understand the
mechanics of flow field separation, the aerodynamic parameters are emphasized
for the identification and control of flow separation. It has been investigated
extensively using traditional algorithms and machine learning methods such as
the support vector machine (SVM) models. Recently, a growing interest in
quantum computing and its applications among wide research communities sheds
light upon the use of quantum techniques to solve aerodynamic problems. In this
paper, we apply qSVM, a quantum SVM algorithm based on the quantum annealing
model, to identify whether there is flow separation, with their performance in
comparison to the widely-used classical SVM. We show that our approach
outperforms the classical SVM with an 11.1% increase of the accuracy, from
0.818 to 0.909, for this binary classification task. We further develop
multi-class qSVMs based on one-against-all algorithm. We apply it to classify
multiple types of the attack angles to the wings, where the advantage over the
classical multi-class counterpart is maintained with an accuracy increased from
0.67 to 0.79, by 17.9%. Our work demonstrates a useful quantum technique for
classifying flow separation scenarios, and may promote rich investigations for
quantum computing applications in fluid dynamics.
- Abstract（参考訳）: 航空力学は航空産業や航空機設計において重要な役割を果たしている。
航空機の飛散圧力データから流量分離現象の検出と最小化は、安定かつ効率的な航空機の確保に不可欠である。
しかし, 流れ場分離の力学を理解することは困難であるため, 流れ分離の同定と制御には空力パラメータが重要である。
従来のアルゴリズムやサポートベクターマシン(svm)モデルなどの機械学習手法を用いて広く研究されている。
近年、量子コンピューティングとその幅広い研究コミュニティにおける応用への関心が高まり、空力問題を解くために量子技術を使うことに光を当てている。
本稿では,量子アニールモデルに基づく量子SVMアルゴリズムであるqSVMを適用し,フロー分離が存在するかどうかを同定する。
本手法は従来のSVMよりも11.1%精度が0.818から0.909に向上していることを示す。
我々はさらに,一対一のアルゴリズムに基づくマルチクラスqSVMを開発する。
本研究は,複数種類の攻撃角を翼に分類することに適用し,従来のマルチクラスに対するアドバンテージは0.67から0.79に向上し,17.9%向上した。
本研究は, 流れ分離シナリオを分類する有用な量子技術を示し, 流体力学における量子コンピューティング応用のための豊富な研究を促進する。
関連論文リスト
- Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。
解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文 参考訳（メタデータ） (2024-03-11T09:10:37Z) - 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) - Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。
我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。
以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文 参考訳（メタデータ） (2023-06-09T09:42:21Z) - Adaptive physics-informed neural operator for coarse-grained
non-equilibrium flows [0.0]
このフレームワークは、階層的かつ適応的なディープラーニング戦略を通じて、次元還元とニューラル演算子を組み合わせる。
提案したサロゲートのアーキテクチャは木として構成され、葉ノードは別々の神経オペレータブロックを表す。
0-Dのシナリオでは、提案されたMLフレームワークは、最大相対誤差が4.5%である約30種の力学を適応的に予測することができる。
論文 参考訳（メタデータ） (2022-10-27T23:26:57Z) - 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) - Physics-informed machine learning with differentiable programming for
heterogeneous underground reservoir pressure management [64.17887333976593]
地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。
地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。
過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
論文 参考訳（メタデータ） (2022-06-21T20:38:13Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Quantum Machine Learning Framework for Virtual Screening in Drug
Discovery: a Prospective Quantum Advantage [0.0]
量子統合ワークフローは、最先端の古典的アルゴリズムと比較して有意義な優位性が得られることを示す。
また、ADRB2およびCOVID-19データセットを用いてIBM Quantumプロセッサ上でアルゴリズムをテストし、ハードウェアシミュレーションが予測された性能と一致し、古典的な等価性を上回る結果が得られることを示した。
論文 参考訳（メタデータ） (2022-04-08T12:05:27Z) - SPIQ: Data-Free Per-Channel Static Input Quantization [37.82255888371488]
効率的な推論手法は、機械学習コミュニティで注目を集めている。
本研究では,静的な入力量子化が,チャネルごとの入力量子化方式によって動的手法の精度レベルに達することを論じる。
提案手法はSPIQと呼ばれ、静的な推論速度で動的アプローチに匹敵する精度を実現する。
論文 参考訳（メタデータ） (2022-03-28T10:59:18Z) - 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) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳（メタデータ） (2021-07-08T18:01:02Z)
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。