論文の概要: Shot-frugal and Robust quantum kernel classifiers

• arxiv url: http://arxiv.org/abs/2210.06971v3
• Date: Sun, 31 Dec 2023 18:33:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 03:07:50.604308
• Title: Shot-frugal and Robust quantum kernel classifiers
• Title（参考訳）: ショットフルガルおよびロバスト量子カーネル分類器
• Authors: Abhay Shastry, Abhijith Jayakumar, Apoorva Patel, Chiranjib Bhattacharyya
• Abstract要約: 量子カーネル法は、機械学習における量子スピードアップの候補である。 分類タスクにおいて,その目的は信頼性の高い分類であり,正確なカーネル評価ではないことを示す。 我々は分類の信頼性を特徴付ける新しい指標を動機付けている。
• 参考スコア（独自算出の注目度）: 12.146571029233435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum kernel methods are a candidate for quantum speed-ups in supervised machine learning. The number of quantum measurements N required for a reasonable kernel estimate is a critical resource, both from complexity considerations and because of the constraints of near-term quantum hardware. We emphasize that for classification tasks, the aim is reliable classification and not precise kernel evaluation, and demonstrate that the former is far more resource efficient. Furthermore, it is shown that the accuracy of classification is not a suitable performance metric in the presence of noise and we motivate a new metric that characterizes the reliability of classification. We then obtain a bound for N which ensures, with high probability, that classification errors over a dataset are bounded by the margin errors of an idealized quantum kernel classifier. Using chance constraint programming and the subgaussian bounds of quantum kernel distributions, we derive several Shot-frugal and Robust (ShofaR) programs starting from the primal formulation of the Support Vector Machine. This significantly reduces the number of quantum measurements needed and is robust to noise by construction. Our strategy is applicable to uncertainty in quantum kernels arising from any source of unbiased noise.
• Abstract（参考訳）: 量子カーネル法は、教師あり機械学習における量子スピードアップの候補である。 合理的なカーネル推定に必要な量子測度Nの数は、複雑さの考慮と、短期的な量子ハードウェアの制約の両方から重要なリソースである。 我々は,分類タスクの目的が信頼性の高い分類であり,正確なカーネル評価ではないことを強調し,前者がはるかに資源効率が高いことを示す。 さらに,ノイズの存在下では,分類の精度が適切な性能指標にはならないことを示し,分類の信頼性を特徴付ける新しい指標を動機付けている。 次に、N の有界値を得ると、データセット上の分類誤差が理想化された量子カーネル分類器のマージン誤差によって有界であることを保証する。 確率制約プログラミングと量子カーネル分布の亜ガウス的境界を用いて、サポートベクトルマシンの原始的な定式化から始まるShot-frugalとRobust(ShofaR)プログラムを導出する。 これにより、必要な量子測定回数が大幅に減少し、建設によってノイズに強い。 この戦略は、偏りのないノイズ源から生じる量子カーネルの不確実性に適用できる。

関連論文リスト

• In Search of Quantum Advantage: Estimating the Number of Shots in Quantum Kernel Methods [30.565491081930997]
  本稿では,カーネル値の所望の精度を推定する手法を開発し,回路実行回数に変換する。 我々は、量子カーネル法は、機械学習のパフォーマンスの観点からだけでなく、リソース消費の文脈からも考慮すべきである、と強調する。
  論文  参考訳（メタデータ） (2024-07-22T16:29:35Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
  証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。 我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。 任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
  論文  参考訳（メタデータ） (2022-03-30T02:02:16Z)
• Training Quantum Embedding Kernels on Near-Term Quantum Computers [0.08563354084119063]
  量子コンピュータのヒルベルト空間にデータを埋め込むことで構築された量子埋め込みカーネル(QEK)は、特定の量子カーネル技術である。 まず、量子埋め込みカーネルを紹介し、ノイズの多い短期量子コンピュータ上でそれらを実現する際に生じる現実的な問題を解析する。
  論文  参考訳（メタデータ） (2021-05-05T18:41:13Z)
• Robust quantum classifier with minimal overhead [0.8057006406834467]
  カーネル法に基づくバイナリ分類のためのいくつかの量子アルゴリズムが提案されている。 これらのアルゴリズムは期待値を推定することに依存しており、高額な量子データ符号化手順を何度も繰り返す必要がある。 カーネルベースのバイナリ分類は,データの数や寸法に関わらず,単一キュービットで行うことができることを示す。
  論文  参考訳（メタデータ） (2021-04-16T14:51:00Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。