Fugu-MT 論文翻訳(概要): Distributed Quantum Machine Learning

論文の概要: Distributed Quantum Machine Learning

arxiv url: http://arxiv.org/abs/2208.10316v1
Date: Mon, 22 Aug 2022 13:52:21 GMT
ステータス: 処理完了
システム内更新日: 2023-01-30 05:01:12.098551
Title: Distributed Quantum Machine Learning
Title（参考訳）: 分散量子機械学習
Authors: Niels M. P. Neumann, Robert S. Wezeman
Abstract要約: 量子コンピュータは、測定が量子状態を破壊するため、データ固有のセキュリティを提供する。本稿では,複数のパーティが協調して量子アルゴリズムを安全に計算できる分散量子機械学習のアプローチを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quantum computers can solve specific complex tasks for which no reasonable-time classical algorithm is known. Quantum computers do however also offer inherent security of data, as measurements destroy quantum states. Using shared entangled states, multiple parties can collaborate and securely compute quantum algorithms. In this paper we propose an approach for distributed quantum machine learning, which allows multiple parties to securely perform computations, without having to reveal their data. We will consider a distributed adder and a distributed distance-based classifier.
Abstract（参考訳）: 量子コンピュータは、合理的な時間的アルゴリズムが知られていない特定の複雑なタスクを解くことができる。しかし、量子コンピュータは量子状態を破壊するため、データ固有のセキュリティを提供する。共有絡み合った状態を使うことで、複数のパーティが協調して量子アルゴリズムを安全に計算できる。本稿では、分散量子機械学習のアプローチを提案する。これにより、複数のパーティがデータを公開せずに安全に計算を実行できる。分散加算器と分散距離に基づく分類器を検討する。

関連論文リスト

Quantum delegated and federated learning via quantum homomorphic encryption [0.5939164722752263]
本稿では,量子デリゲート型およびフェデレート型学習を無理論データプライバシ保証で実現可能な汎用フレームワークを提案する。この枠組みの下での学習と推論は、盲点量子コンピューティングに基づくスキームに比べて通信の複雑さが著しく低いことが示される。
論文参考訳（メタデータ） (2024-09-28T14:13:50Z)
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)
Blind quantum machine learning with quantum bipartite correlator [13.533591812956018]
本稿では,量子二部相関アルゴリズムに基づく新しい盲点量子機械学習プロトコルを提案する。当社のプロトコルは、信頼できない関係者からのデータのプライバシーを維持しながら、通信オーバーヘッドを減らした。
論文参考訳（メタデータ） (2023-10-19T16:42:32Z)
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)
Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文参考訳（メタデータ） (2022-09-16T02:37:32Z)
Machine learning applications for noisy intermediate-scale quantum computers [0.0]
NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-19T09:26:57Z)
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)
On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文参考訳（メタデータ） (2021-06-29T14:01:40Z)
Quantum Algorithms and Simulation for Parallel and Distributed Quantum Computing [0.0]
大規模量子コンピュータを構築するための実行可能なアプローチは、小規模量子コンピュータと量子ネットワークを相互接続することである。並列および分散量子アルゴリズムの設計と検証を簡単にすることを目的としたシミュレーションプラットフォームであるInterlin-qを提案する。
論文参考訳（メタデータ） (2021-06-12T19:41:48Z)
A rigorous and robust quantum speed-up in supervised machine learning [6.402634424631123]
本稿では,汎用量子学習アルゴリズムを用いて,教師付き分類のための厳密な量子スピードアップを確立する。我々の量子分類器は、フォールトトレラント量子コンピュータを用いてカーネル関数を推定する従来のサポートベクトルマシンである。
論文参考訳（メタデータ） (2020-10-05T17:22:22Z)
Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。