論文の概要: Understanding the Mapping of Encode Data Through An Implementation of
Quantum Topological Analysis
- arxiv url: http://arxiv.org/abs/2209.10596v3
- Date: Wed, 12 Oct 2022 16:27:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 20:26:56.309899
- Title: Understanding the Mapping of Encode Data Through An Implementation of
Quantum Topological Analysis
- Title(参考訳): 量子位相解析によるエンコードデータのマッピングの理解
- Authors: Andrew Vlasic and Anh Pham
- Abstract要約: トポロジカル・データ・アナリティクス(Topological Data Analysis)は、実世界のデータの幾何学的構造に関する洞察を与えるための、確立された分野である。
ベッチ数を計算する手法は、アルゴリズムを量子回路に変換することで高速化することを示した。
特定のベッチ数を計算する量子回路は、かなりの数のゲートを必要とし、データの少ない記録がなければ、現在、NISQ時代のプロセッサでは実装できない。
- 参考スコア(独自算出の注目度): 0.7106986689736827
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Topological Data Analysis (TDA) is a well-established field derived to give
insight into the geometric structure of real-world data. However, many methods
in TDA are computationally intensive. The method that computes the respective
Betti number has been shown to obtain a speed-up from translating the algorithm
into a quantum circuit. The quantum circuit to calculate a particular Betti
number requires a significant number of gates and, without a small record of
data, is currently unable to be implemented on a NISQ-era processor. Given this
NISQ-era restriction, a hybrid-method is proposed that calculates the Euclidean
distance of the encoded data and computes the desired Betti number. This method
is applied to a toy data set with different encoding techniques. The empirical
results show the noise within the data is intensified with each encoding method
as there is a clear change in the geometric structure of the original data,
exhibiting information loss.
- Abstract(参考訳): トポロジカル・データ・アナリティクス(TDA)は、実世界のデータの幾何学的構造を洞察するために確立された分野である。
しかし、tdaの多くの手法は計算量が多い。
各ベッチ数を計算する方法が示されており、アルゴリズムを量子回路に変換することで高速化が得られる。
特定のベッチ数を計算する量子回路は、かなりの数のゲートを必要とし、データの少ない記録がなければ、現在、NISQ時代のプロセッサでは実装できない。
NISQ-era制限を前提として、符号化されたデータのユークリッド距離を計算し、所望のベッチ数を計算するハイブリッドメソッドを提案する。
この方法は、異なる符号化技術を持つ玩具データセットに適用される。
実験結果は、元のデータの幾何構造が明確に変化し、情報損失が生じるため、各符号化法でデータ内のノイズが増大することを示している。
関連論文リスト
- Classification of the Fashion-MNIST Dataset on a Quantum Computer [0.0]
古典的なデータを量子コンピュータに符号化する従来の方法は、コストがかかりすぎて、現在のハードウェアで実現可能な実験の規模が制限される。
現在利用可能な量子コンピュータのネイティブゲートセットとトポロジに適合する回路を用いて、符号化されたデータを作成する改良された変分アルゴリズムを提案する。
我々は、現在の量子コンピュータibmq-kolkata上で、符号化データセットに基づいて訓練された単純な量子変分分類器をデプロイし、適度な精度を達成する。
論文 参考訳(メタデータ) (2024-03-04T19:01:14Z) - Spherical and Hyperbolic Toric Topology-Based Codes On Graph Embedding
for Ising MRF Models: Classical and Quantum Topology Machine Learning [0.11805137592431453]
本稿では,Isingモデルの基底状態を記述するための情報幾何学の適用について紹介する。
このアプローチは、機械学習とエラー訂正コーディングの関連性を確立する。
論文 参考訳(メタデータ) (2023-07-28T19:38:13Z) - Higher-order topological kernels via quantum computation [68.8204255655161]
トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。
本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
論文 参考訳(メタデータ) (2023-07-14T14:48:52Z) - Variational quantum regression algorithm with encoded data structure [0.21756081703276003]
量子状態が古典的データテーブルを直接エンコードする量子回帰アルゴリズムを構築する。
量子サブルーチンを通して、古典的なデータ構造のリンクを直接利用することができることを示す。
論文 参考訳(メタデータ) (2023-07-07T00:30:16Z) - The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。
本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-04-14T19:46:39Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳(メタデータ) (2023-01-27T08:16:26Z) - 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) - Concentration of Data Encoding in Parameterized Quantum Circuits [7.534037755267707]
変分量子アルゴリズムは、有意義なタスクにおいて、短期的な量子アドバンテージを実現するための主要な戦略として認識されている。
本稿では、パラメータ化量子回路に基づく共通データ符号化戦略を考察し、進展する。
妥当な仮定の下では、平均符号化状態と最大混合状態の間の距離が明らかに上界であることが証明できる。
論文 参考訳(メタデータ) (2022-06-16T16:09:40Z) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳(メタデータ) (2021-04-19T00:41:43Z) - Tree tensor network classifiers for machine learning: from
quantum-inspired to quantum-assisted [0.0]
本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。
本稿ではゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
論文 参考訳(メタデータ) (2021-04-06T02:31:48Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z)
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。