論文の概要: Quantum Graph Learning: Frontiers and Outlook

• arxiv url: http://arxiv.org/abs/2302.00892v1
• Date: Thu, 2 Feb 2023 05:53:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-03 15:15:18.672946
• Title: Quantum Graph Learning: Frontiers and Outlook
• Title（参考訳）: 量子グラフ学習:フロンティアと展望
• Authors: Shuo Yu, Ciyuan Peng, Yingbo Wang, Ahsan Shehzad, Feng Xia, Edwin R. Hancock
• Abstract要約: グラフ学習を促進するために 量子理論を助長することは 生まれたばかりです まずQGLを考察し、量子論とグラフ学習の相互主義について議論する。 グラフ上の量子コンピューティング、量子グラフ表現、グラフニューラルネットワークのための量子回路など、QGLの新しい分類法が提示される。
• 参考スコア（独自算出の注目度）: 14.1772249363715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum theory has shown its superiority in enhancing machine learning. However, facilitating quantum theory to enhance graph learning is in its infancy. This survey investigates the current advances in quantum graph learning (QGL) from three perspectives, i.e., underlying theories, methods, and prospects. We first look at QGL and discuss the mutualism of quantum theory and graph learning, the specificity of graph-structured data, and the bottleneck of graph learning, respectively. A new taxonomy of QGL is presented, i.e., quantum computing on graphs, quantum graph representation, and quantum circuits for graph neural networks. Pitfall traps are then highlighted and explained. This survey aims to provide a brief but insightful introduction to this emerging field, along with a detailed discussion of frontiers and outlook yet to be investigated.
• Abstract（参考訳）: 量子理論は機械学習の強化においてその優位性を示している。 しかし、量子理論のグラフ学習の促進は、その初期段階にある。 本調査は,量子グラフ学習(qgl)の最近の進歩を,基礎となる理論,手法,展望という3つの視点から検討する。 まず、QGLを考察し、量子論とグラフ学習の相互主義、グラフ構造化データの特異性、グラフ学習のボトルネックについて議論する。 qglの新しい分類法、すなわちグラフ上の量子コンピューティング、量子グラフ表現、およびグラフニューラルネットワークのための量子回路が提示される。 落とし穴トラップは強調表示され、説明される。 この調査は、未調査のフロンティアと見通しに関する詳細な議論とともに、この新興分野への簡潔だが洞察に富んだ簡単な紹介を提供することを目的としている。

関連論文リスト

• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• Discrete-Time Quantum Walks: A Quantum Advantage for Graph Representation [0.0]
  この論文は、複雑なグラフトポロジをヒルベルト空間に包含し、グラフ解析の有効性を著しく向上させる。 この発展は量子コンピューティングとグラフ理論の交差に革命をもたらすことを約束する。
  論文  参考訳（メタデータ） (2024-07-16T11:49:49Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
  まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
  論文  参考訳（メタデータ） (2022-02-19T02:56:47Z)
• Equivariant Quantum Graph Circuits [10.312968200748116]
  グラフ構造データの学習に強い帰納バイアスを持つパラメータ化量子回路のクラスとして、同変量子グラフ回路(EQGC)を提案する。 量子グラフ機械学習法の理論的な視点は、さらなる研究のために多くの方向を開き、古典的なアプローチ以上の能力を持つモデルに繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-12-10T00:14:12Z)
• Quantum machine learning of graph-structured data [0.38581147665516596]
  グラフ構造化量子データについて検討し、量子ニューラルネットワークによる量子機械学習の実施方法について述べる。 我々は、この追加グラフ構造を体系的に利用して量子学習アルゴリズムを改善する方法について説明する。
  論文  参考訳（メタデータ） (2021-03-19T14:39:19Z)
• Holographic tensor network models and quantum error correction: A topical review [78.28647825246472]
  ホログラフィックの双対性の研究の最近の進歩は、量子情報理論の概念や技術と結びついている。 特に成功したアプローチは、テンソルネットワークによるホログラフィック特性のキャプチャである。
  論文  参考訳（メタデータ） (2021-02-04T14:09:21Z)
• Bosonic Random Walk Networks for Graph Learning [32.24009574184356]
  グラフにまたがる拡散情報に対する多粒子量子ウォークの適用を検討する。 我々のモデルは、グラフ上の量子ランダムウォーカーのダイナミクスを制御する演算子の学習に基づいている。 分類および回帰作業における本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-12-31T21:40:40Z)
• Spectra of Perfect State Transfer Hamiltonians on Fractal-Like Graphs [62.997667081978825]
  完全量子状態移動の特別な性質を示すハミルトニアンのフラクタル様グラフのスペクトル特性について検討する。 基本的な目標は、完全な量子状態転移、スペクトル特性、基礎となるグラフの幾何学の間の相互作用を理解するための理論的枠組みを開発することである。
  論文  参考訳（メタデータ） (2020-03-25T02:46:14Z)

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。