論文の概要: Structure Learning of Quantum Embeddings
- arxiv url: http://arxiv.org/abs/2209.11144v1
- Date: Thu, 22 Sep 2022 16:42:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 14:44:42.274987
- Title: Structure Learning of Quantum Embeddings
- Title(参考訳): 量子埋め込みの構造学習
- Authors: Massimiliano Incudini, Francesco Martini and Alessandra Di Pierro
- Abstract要約: 最適化手法により最適な量子埋め込みを自動的に選択するアルゴリズムを提案する。
我々は、我々のアプローチの性能向上を示すために、人工データセットと実世界のデータセットの両方を使用しました。
- 参考スコア(独自算出の注目度): 68.8204255655161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The representation of data is of paramount importance for machine learning
methods. Kernel methods are used to enrich the feature representation, allowing
better generalization. Quantum kernels implement efficiently complex
transformation encoding classical data in the Hilbert space of a quantum
system, resulting in even exponential speedup. However, we need prior knowledge
of the data to choose an appropriate parametric quantum circuit that can be
used as quantum embedding. We propose an algorithm that automatically selects
the best quantum embedding through a combinatorial optimization procedure that
modifies the structure of the circuit, changing the generators of the gates,
their angles (which depend on the data points), and the qubits on which the
various gates act. Since combinatorial optimization is computationally
expensive, we have introduced a criterion based on the exponential
concentration of kernel matrix coefficients around the mean to immediately
discard an arbitrarily large portion of solutions that are believed to perform
poorly. Contrary to the gradient-based optimization (e.g. trainable quantum
kernels), our approach is not affected by the barren plateau by construction.
We have used both artificial and real-world datasets to demonstrate the
increased performance of our approach with respect to randomly generated PQC.
We have also compared the effect of different optimization algorithms,
including greedy local search, simulated annealing, and genetic algorithms,
showing that the algorithm choice largely affects the result.
- Abstract(参考訳): データ表現は、機械学習手法において最重要である。
カーネルメソッドは特徴表現を強化するために使われ、より一般化できる。
量子カーネルは量子システムのヒルベルト空間で古典データを効率的にエンコードする複雑な変換を実装し、指数関数的なスピードアップさえも生み出す。
しかし、量子埋め込みとして使用できる適切なパラメトリック量子回路を選択するには、データの事前知識が必要である。
本稿では,回路の構造を最適化し,ゲートのジェネレータ,角度(データポイントに依存している),および様々なゲートが作用するキュービットを変化させる組合せ最適化手法により,最適な量子埋め込みを自動的に選択するアルゴリズムを提案する。
組合せ最適化は計算コストが高いため,平均付近のカーネル行列係数の指数関数的集中に基づく基準を導入し,性能の悪い解の任意に多い部分を即座に破棄する。
勾配に基づく最適化(トレーニング可能な量子カーネルなど)とは対照的に、我々のアプローチは建設によってバレン高原の影響を受けない。
我々は、ランダムに生成されたPQCに対する我々のアプローチの性能向上を示すために、人工データセットと実世界のデータセットの両方を用いてきた。
また,局所探索,シミュレートアニーリング,遺伝的アルゴリズムなど様々な最適化アルゴリズムの効果を比較し,アルゴリズムの選択が結果に大きく影響していることを示した。
関連論文リスト
- Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳(メタデータ) (2023-10-14T02:13:26Z) - 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) - GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。
スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
論文 参考訳(メタデータ) (2023-06-26T09:42:59Z) - Quantum Gaussian Process Regression for Bayesian Optimization [0.0]
本稿では,パラメータ化量子回路に基づく量子カーネルを用いたガウス過程の回帰手法を提案する。
ハードウェア効率の良い特徴写像とグラム行列の注意的な正則化を用いて、得られた量子ガウス過程の分散情報を保存できることを実証する。
論文 参考訳(メタデータ) (2023-04-25T15:38:19Z) - Faster variational quantum algorithms with quantum kernel-based
surrogate models [0.0]
本稿では,雑音量子プロセッサ上での小型から中規模の変分アルゴリズムを提案する。
提案手法は,計算負荷をこれらのハイブリッドアルゴリズムの古典的成分にシフトさせ,量子プロセッサへのクエリ数を劇的に削減する。
論文 参考訳(メタデータ) (2022-11-02T14:11:25Z) - Surrogate-based optimization for variational quantum algorithms [0.0]
変分量子アルゴリズム(英: Variational quantum algorithm)は、短期量子コンピュータで使用される技術の一種である。
実験的な測定をほとんど行わない変分回路のサロゲートモデルの学習について紹介する。
次に、元のデータとは対照的に、これらのモデルを用いてパラメータ最適化を行う。
論文 参考訳(メタデータ) (2022-04-12T00:15:17Z) - Stochastic optimization algorithms for quantum applications [0.0]
本稿では、一階法、二階法、量子自然勾配最適化法の使用法を概観し、複素数体で定義される新しいアルゴリズムを提案する。
全ての手法の性能は、変分量子固有解法、量子状態の量子制御、および量子状態推定に応用して評価される。
論文 参考訳(メタデータ) (2022-03-11T16:17:05Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳(メタデータ) (2021-06-24T20:16:02Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z)
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。