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
- 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。