論文の概要: Approximate complex amplitude encoding algorithm and its application to
classification problem in financial operations
- arxiv url: http://arxiv.org/abs/2211.13039v1
- Date: Wed, 23 Nov 2022 15:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 01:32:28.318815
- Title: Approximate complex amplitude encoding algorithm and its application to
classification problem in financial operations
- Title(参考訳): 近似複素振幅符号化アルゴリズムと金融業務における分類問題への応用
- Authors: Naoki Mitsuda, Kohei Nakaji, Yohichi Suzuki, Tomoki Tanaka, Rudy
Raymond, Hiroyuki Tezuka, Tamiya Onodera, Naoki Yamamoto
- Abstract要約: 量子コンピューティングは、特に機械学習において、データ処理効率を加速する可能性がある。
古典的なデータベクトルを量子状態にロードするタスクは指数的な数の量子ゲートを必要とする。
本研究では, AAEを拡張して, 複素数値データベクトルを扱えるようにする。
- 参考スコア(独自算出の注目度): 3.376895809177714
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum computing has a potential to accelerate the data processing
efficiency, especially in machine learning, by exploiting special features such
as the quantum interference. The major challenge in this application is that,
in general, the task of loading a classical data vector into a quantum state
requires an exponential number of quantum gates. The approximate amplitude
encoding (AAE) method, which uses a variational means to approximately load a
given real-valued data vector into the amplitude of quantum state, was recently
proposed as a general approach to this problem mainly for near-term devices.
However, AAE cannot load a complex-valued data vector, which narrows its
application range. In this work, we extend AAE so that it can handle a
complex-valued data vector. The key idea is to employ the fidelity distance as
the cost function for optimizing a parameterized quantum circuit, where the
classical shadow technique is used to efficiently estimate the fidelity. We
apply this algorithm to realize the complex-valued-kernel binary classifier
called the compact Hadamard classifier, and then give a numerical experiment
showing that it enables classification of Iris dataset and credit card fraud
detection.
- Abstract(参考訳): 量子コンピューティングは、特に機械学習において、量子干渉のような特別な特徴を利用して、データ処理効率を加速する可能性がある。
この応用の大きな課題は、一般に古典的なデータベクトルを量子状態にロードするタスクは指数的な数の量子ゲートを必要とすることである。
近似振幅符号化(aae)法は、与えられた実値データベクトルを量子状態の振幅に大まかにロードするために変分法を用いており、近距離デバイスを中心にこの問題に対する一般的なアプローチとして最近提案されている。
しかし、AEは複雑な値を持つデータベクトルをロードすることはできない。
本研究では, AAEを拡張して, 複素数値データベクトルを扱えるようにする。
鍵となる考え方は、古典的なシャドウ手法を用いてその忠実度を効率的に推定するパラメータ化量子回路を最適化するコスト関数として、忠実度距離を用いることである。
このアルゴリズムを,コンパクト・アダマール分類器と呼ばれる複素値・カーネルバイナリ分類器に応用し,アイリスデータセットの分類とクレジットカード不正検出を可能にする数値実験を行った。
関連論文リスト
- Adaptive Circuit Learning of Born Machine: Towards Realization of
Amplitude Embedding and Data Loading [7.88657961743755]
本稿では,ACLBM(Adaptive Circuit Learning of Born Machine)という新しいアルゴリズムを提案する。
我々のアルゴリズムは、ターゲット状態に存在する複雑な絡み合いを最もよく捉える2ビットの絡み合いゲートを選択的に統合するように調整されている。
実験結果は、振幅埋め込みによる実世界のデータの符号化における我々のアプローチの習熟度を裏付けるものである。
論文 参考訳(メタデータ) (2023-11-29T16:47:31Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Drastic Circuit Depth Reductions with Preserved Adversarial Robustness
by Approximate Encoding for Quantum Machine Learning [0.5181797490530444]
本研究では, 変分, 遺伝的および行列積状態に基づくアルゴリズムを用いて, 符号化画像データを表す量子状態の効率的な作成法を実装した。
その結果、これらの手法は、標準状態準備実装よりも2桁も浅い回路を用いて、QMLに適したレベルにほぼ準備できることが判明した。
論文 参考訳(メタデータ) (2023-09-18T01:49:36Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Accelerating the training of single-layer binary neural networks using
the HHL quantum algorithm [58.720142291102135]
Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。
しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
論文 参考訳(メタデータ) (2022-10-23T11:58:05Z) - Variational Quantum Approximate Support Vector Machine With Inference
Transfer [0.8057006406834467]
複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。
サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。
虹彩データ分類の精度は98.8%に達した。
論文 参考訳(メタデータ) (2022-06-29T09:56:59Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳(メタデータ) (2022-04-12T19:39:31Z) - Efficient realization of quantum algorithms with qudits [0.0]
マルチレベル量子システム(キューディット)を用いた量子アルゴリズムの効率的な実装手法を提案する。
提案手法は,Quditベースのプロセッサのパラメータに依存する標準量子ビット方式の回路のトランスパイレーションを用いる。
特定の普遍集合から取られた単一量子ゲートと2量子ゲートの列に量子回路を変換する明示的なスキームを提供する。
論文 参考訳(メタデータ) (2021-11-08T11:09:37Z) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳(メタデータ) (2021-07-11T10:56:24Z) - Tree tensor network classifiers for machine learning: from
quantum-inspired to quantum-assisted [0.0]
本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。
本稿ではゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
論文 参考訳(メタデータ) (2021-04-06T02:31:48Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳(メタデータ) (2020-09-02T22:46:47Z)
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。