論文の概要: Understanding the Mapping of Encode Data Through An Implementation of Quantum Topological Analysis

• arxiv url: http://arxiv.org/abs/2209.10596v4
• Date: Mon, 5 Jun 2023 18:44:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 21:53:21.882313
• 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: 複素ヒルベルト空間に埋め込まれたデータのトポロジーを解析することにより,符号化手法の違いを可視化できることを示す。 提案手法は,異なる量子機械学習モデルにおいて慎重に検討する必要があることを示唆する。
• 参考スコア（独自算出の注目度）: 0.7106986689736827
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A potential advantage of quantum machine learning stems from the ability of encoding classical data into high dimensional complex Hilbert space using quantum circuits. Recent studies exhibit that not all encoding methods are the same when representing classical data since certain parameterized circuit structures are more expressive than the others. In this study, we show the difference in encoding techniques can be visualized by investigating the topology of the data embedded in complex Hilbert space. The technique for visualization is a hybrid quantum based topological analysis which uses simple diagonalization of the boundary operators to compute the persistent Betti numbers and the persistent homology graph. To augment the computation of Betti numbers within a NISQ framework, we suggest a simple hybrid algorithm. Through a illuminating example of a synthetic data set and the methods of angle encoding, amplitude encoding, and IQP encoding, we reveal topological differences with the encoding methods, as well as the original data. Consequently, our results suggest the encoding method needs to be considered carefully within different quantum machine learning models since it can strongly affect downstream analysis like clustering or classification.
• Abstract（参考訳）: 量子機械学習の潜在的な利点は、量子回路を用いて古典データを高次元複素ヒルベルト空間に符号化する能力にある。 近年の研究では、特定のパラメータ化された回路構造が他のものよりも表現力が高いため、古典データを表現する場合、全ての符号化方法が同じではないことが示されている。 本研究では,複素ヒルベルト空間に埋め込まれたデータのトポロジーを調べることにより,符号化技術の差異を可視化できることを示す。 可視化のテクニックは、境界作用素の単純な対角化を用いて永続ベッチ数と永続ホモロジーグラフを計算するハイブリッド量子ベースの位相解析である。 NISQフレームワーク内でのベッチ数の計算量を増やすために,単純なハイブリッドアルゴリズムを提案する。 合成データ集合の照明例と、角度符号化、振幅符号化、およびiqp符号化の方法を通して、符号化方法と元のデータとの位相的差異を明らかにする。 その結果,クラスタリングや分類などの下流分析に強く影響を与えるため,異なる量子機械学習モデルにおいて,符号化手法を慎重に検討する必要があることが示唆された。

関連論文リスト

• Quantum Circuits, Feature Maps, and Expanded Pseudo-Entropy: A Categorical Theoretic Analysis of Encoding Real-World Data into a Quantum Computer [0.0]
  本研究の目的は,実世界のデータを量子回路にマッピングするための符号化方式の有効性を決定することである。 この方法は、各データポイントのシャノンエントロピーを点雲から計算し、したがって埋め込み多様体からサンプルを抽出する。
  論文  参考訳（メタデータ） (2024-10-29T14:38:01Z)
• Comparing Quantum Encoding Techniques [0.0]
  本研究では、特にハイブリッド量子古典機械学習の文脈における符号化手法について検討する。 本研究は,QuClassi量子ニューラルネットワークアーキテクチャを用いて,MNISTデータセットから3'および6'桁のバイナリ分類を行い,精度,エントロピー,損失,ノイズ耐性などの指標を得る。
  論文  参考訳（メタデータ） (2024-10-11T00:14:31Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
  本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。 弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
  論文  参考訳（メタデータ） (2024-07-04T06:37:16Z)
• Understanding the effects of data encoding on quantum-classical convolutional neural networks [0.0]
  量子化法の主要な構成要素は、古典的なデータを量子状態に埋め込むために使用されるデータ符号化戦略である。 本研究では、2つの医用画像データセット上での量子古典的畳み込みニューラルネットワーク(QCCNN)の性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-05-05T18:44:08Z)
• 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)
• 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)
• 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。