論文の概要: Automatic and effective discovery of quantum kernels

• arxiv url: http://arxiv.org/abs/2209.11144v2
• Date: Wed, 20 Dec 2023 16:30:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-21 19:38:13.886375
• Title: Automatic and effective discovery of quantum kernels
• Title（参考訳）: 量子核の自動的かつ効果的な発見
• Authors: Massimiliano Incudini, Daniele Lizzio Bosco, Francesco Martini, Michele Grossi, Giuseppe Serra and Alessandra Di Pierro
• Abstract要約: 量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
• 参考スコア（独自算出の注目度）: 43.702574335089736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing can empower machine learning models by enabling kernel machines to leverage quantum kernels for representing similarity measures between data. Quantum kernels are able to capture relationships in the data that are not efficiently computable on classical devices. However, there is no straightforward method to engineer the optimal quantum kernel for each specific use case. While recent literature has focused on exploiting the potential offered by the presence of symmetries in the data to guide the construction of quantum kernels, we adopt here a different approach, which employs optimization techniques, similar to those used in neural architecture search and AutoML, to automatically find an optimal kernel in a heuristic manner. The algorithm we present constructs a quantum circuit implementing the similarity measure as a combinatorial object, which is evaluated based on a cost function and is then iteratively modified using a meta-heuristic optimization technique. The cost function can encode many criteria ensuring favorable statistical properties of the candidate solution, such as the rank of the Dynamical Lie Algebra. Importantly, our approach is independent of the optimization technique employed. The results obtained by testing our approach on a high-energy physics problem demonstrate that, in the best-case scenario, we can either match or improve testing accuracy with respect to the manual design approach, showing the potential of our technique to deliver superior results with reduced effort.
• Abstract（参考訳）: 量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 量子カーネルは、古典的なデバイスで効率的に計算できないデータの関係を捉えることができる。 しかし、特定のユースケースごとに最適な量子カーネルを設計する簡単な方法はない。 近年の文献では、量子カーネル構築のガイドとして、データに対称性が存在することによる可能性の活用に焦点が当てられているが、ここでは、ニューラルネットワーク検索やautomlのように最適化技術を用いて、ヒューリスティックな方法で最適なカーネルを自動的に発見する別のアプローチを採用する。 本アルゴリズムは,相似性尺度を組合せ対象として実装した量子回路を構築し,コスト関数に基づいて評価し,メタヒューリスティック最適化手法を用いて反復的に修正する。 コスト関数は、動的リー代数の階数のような候補解の適切な統計特性を保証する多くの基準を符号化することができる。 重要なことは、我々のアプローチは採用されている最適化手法とは無関係である。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手作業による設計手法に関して、テストの精度を一致または向上させることができることが示され、より少ない労力で優れた結果を提供するための技術の可能性が示される。

関連論文リスト

• Efficient Online Quantum Circuit Learning with No Upfront Training [1.0159681653887238]
  本稿では,パラメータ化量子回路を量子コンピュータにほとんど呼ばずに最適化するサロゲート方式を提案する。 QAOAアンサッツを用いて解決した16-qubitのランダムな3つの正則なMax-Cut問題に対して,本手法は先行技術よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-08T17:30:45Z)
• Optimizing Unitary Coupled Cluster Wave Functions on Quantum Hardware: Error Bound and Resource-Efficient Optimizer [0.0]
  本稿では、量子ハードウェア上でのユニタリ結合クラスタ波関数の最適化のための射影量子固有解法(PQE)アプローチについて検討する。 このアルゴリズムはシュル・オーディンガー方程式の射影を用いて、試行状態をハミルトニアンの固有状態に効率的に近づける。 我々は,BFGS法を用いて最適化されたarXiv:2102.00345とVQEの両方で導入された最適化よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-19T15:03:59Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Surrogate optimization of variational quantum circuits [1.0546736060336612]
  変分量子固有解法は、多くの応用に影響を及ぼすことのできる短期的アルゴリズムとして評価される。 収束性を改善するアルゴリズムや手法を見つけることは、VQEの短期ハードウェアの能力を加速するために重要である。
  論文  参考訳（メタデータ） (2024-04-03T18:00:00Z)
• 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)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• 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)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。