論文の概要: Quantum Clustering with k-Means: a Hybrid Approach
- arxiv url: http://arxiv.org/abs/2212.06691v2
- Date: Thu, 15 Dec 2022 08:35:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 13:26:49.643365
- Title: Quantum Clustering with k-Means: a Hybrid Approach
- Title（参考訳）: k平均による量子クラスタリング--ハイブリッドアプローチ
- Authors: Alessandro Poggiali, Alessandro Berti, Anna Bernasconi, Gianna M. Del
Corso, Riccardo Guidotti
- Abstract要約: 我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
- 参考スコア（独自算出の注目度）: 117.4705494502186
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum computing is a promising paradigm based on quantum theory for
performing fast computations. Quantum algorithms are expected to surpass their
classical counterparts in terms of computational complexity for certain tasks,
including machine learning. In this paper, we design, implement, and evaluate
three hybrid quantum k-Means algorithms, exploiting different degree of
parallelism. Indeed, each algorithm incrementally leverages quantum parallelism
to reduce the complexity of the cluster assignment step up to a constant cost.
In particular, we exploit quantum phenomena to speed up the computation of
distances. The core idea is that the computation of distances between records
and centroids can be executed simultaneously, thus saving time, especially for
big datasets. We show that our hybrid quantum k-Means algorithms can be more
efficient than the classical version, still obtaining comparable clustering
results.
- Abstract（参考訳）: 量子コンピューティングは、高速計算を行う量子理論に基づく有望なパラダイムである。
量子アルゴリズムは、機械学習を含む特定のタスクの計算複雑性の観点から、従来のアルゴリズムを上回ることが期待されている。
本稿では,並列性の異なる3つのハイブリッド量子k平均アルゴリズムを設計し,実装し,評価する。
実際、各アルゴリズムは量子並列性を漸進的に利用し、クラスタ割り当ての複雑さを一定コストまで低減する。
特に、距離の計算を高速化するために量子現象を利用する。
中心となる考え方は、レコードとセントロイド間の距離の計算を同時に行うことができ、特に大きなデータセットの場合、時間を節約できるということだ。
我々のハイブリッド量子k-meansアルゴリズムは、従来のバージョンよりも効率的であり、クラスタリング結果に匹敵する結果を得ることができる。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - A density-matrix renormalization group algorithm for simulating quantum
circuits with a finite fidelity [3.965473736150699]
量子回路シミュレーションのための密度行列再正規化群 (DMRG) アルゴリズムを開発した。
小さな回路深度では、この手法は正確であり、他の行列積状態(MPS)に基づく手法と等価である。
論文 参考訳（メタデータ） (2022-07-12T15:28:55Z) - Variational Quantum and Quantum-Inspired Clustering [0.0]
本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。
このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
論文 参考訳（メタデータ） (2022-06-20T17:02:19Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - Benchmarking Small-Scale Quantum Devices on Computing Graph Edit
Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。
本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文 参考訳（メタデータ） (2021-11-19T12:35:26Z) - Multiple Query Optimization using a Hybrid Approach of Classical and
Quantum Computing [1.7077661158850292]
データ集約的な問題領域において重要なNPハード問題である多重クエリ最適化問題(MQO)に取り組む。
ゲート型量子コンピュータ上でMQOを解くために,新しい古典量子アルゴリズムを提案する。
提案アルゴリズムでは, クビット効率が99%に近づき, ほぼ2倍に向上した。
論文 参考訳（メタデータ） (2021-07-22T08:12:49Z) - Quantum Compiling by Deep Reinforcement Learning [30.189226681406392]
回路量子コンピュータのアーキテクチャは、高レベルな量子アルゴリズムを量子ゲートの低レベルな回路にコンパイルするための層を必要とする。
量子コンパイルの一般的な問題は、量子計算を記述する任意のユニタリ変換を、普遍的な量子ゲートの有限基底から選択された要素の列として近似することである。
我々は,探索時間と搾取時間とのトレードオフが著しく異なる,より深い強化学習手法を代替戦略として活用する。
論文 参考訳（メタデータ） (2021-05-31T15:32:15Z) - Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator [0.0]
本稿では,量子ユークリッド推定アルゴリズムを用いた効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。
提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。
論文 参考訳（メタデータ） (2020-12-21T06:38:20Z)
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。