論文の概要: Classical Ensembles of Single-Qubit Quantum Variational Circuits for Classification

• arxiv url: http://arxiv.org/abs/2302.02964v1
• Date: Mon, 6 Feb 2023 17:51:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 15:44:13.972827
• Title: Classical Ensembles of Single-Qubit Quantum Variational Circuits for Classification
• Title（参考訳）: 単一量子変分回路の古典的アンサンブルによる分類
• Authors: Shane McFarthing, Anban Pillay, Ilya Sinayskiy and Francesco Petruccione
• Abstract要約: 近年,量子普遍多機能アーキテクチャ (QAUM) を導入し, パルサー星の分類における表現性と性能の向上を示した。 本研究は,古典的なバギングとブースティング技術を用いた単一量子QAUM分類器の設計,実装,評価について報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The quantum asymptotically universal multi-feature (QAUM) encoding architecture was recently introduced and showed improved expressivity and performance in classifying pulsar stars. The circuit uses generalized trainable layers of parameterized single-qubit rotation gates and single-qubit feature encoding gates. Although the improvement in classification accuracy is promising, the single-qubit nature of this architecture, combined with the circuit depth required for accuracy, limits its applications on NISQ devices due to their low coherence times. This work reports on the design, implementation, and evaluation of ensembles of single-qubit QAUM classifiers using classical bagging and boosting techniques. We demonstrate an improvement in validation accuracy for pulsar star classification. We find that this improvement is not problem-specific as we observe consistent improvements for the MNIST Digits and Wisconsin Cancer datasets. We also observe that the boosting ensemble achieves an acceptable level of accuracy with only a small amount of training, while the bagging ensemble achieves higher overall accuracy with ample training time. This shows that classical ensembles of single-qubit circuits present a new approach for certain classification problems.
• Abstract（参考訳）: 量子漸近的普遍多機能アーキテクチャ(QAUM)が最近導入され、パルサー星の分類における表現性と性能が向上した。 この回路は、パラメータ化シングルキュービット回転ゲートと単一キュービット特徴符号化ゲートの一般的なトレーニング可能な層を用いる。 分類精度の改善は期待できるが、このアーキテクチャの単一キュービットの性質は、精度に必要とされる回路深度と相まって、そのコヒーレンス時間が少ないため、NISQデバイスへの適用を制限する。 本研究は,古典的なバギングとブースティング技術を用いた単一量子QAUM分類器の設計,実装,評価について報告する。 パルサー星分類における検証精度の向上を示す。 MNIST Digitsとウィスコンシン癌データセットの一貫性のある改善を観察するため、この改善は問題固有のものではない。 また, ブースティングアンサンブルは少量のトレーニングで許容できるレベルの精度を達成し, バッグングアンサンブルは十分なトレーニング時間とともに, 全体として高い精度を達成していることを観察した。 これは、単一量子ビット回路の古典的アンサンブルが、ある分類問題に対する新しいアプローチを示していることを示している。

関連論文リスト

• Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
  我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。 消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。 以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-21T17:40:18Z)
• Ensembles of Quantum Classifiers [0.0]
  量子分類アルゴリズムの実行に有効なアプローチは、アンサンブル法の導入である。 本稿では,二項分類のための量子分類器のアンサンブルの実装と実証評価について述べる。
  論文  参考訳（メタデータ） (2023-11-16T10:27:25Z)
• Sparse Modular Activation for Efficient Sequence Modeling [94.11125833685583]
  線形状態空間モデルと自己アテンション機構を組み合わせた最近のモデルでは、様々なシーケンスモデリングタスクにおいて顕著な結果が示されている。 現在のアプローチでは、アテンションモジュールを静的かつ均一に入力シーケンスのすべての要素に適用し、最適以下の品質効率のトレードオフをもたらす。 SMA(Sparse Modular Activation)は,ニューラルネットワークが配列要素のサブモジュールを異なる方法でスパースに活性化する機構である。
  論文  参考訳（メタデータ） (2023-06-19T23:10:02Z)
• ProTeCt: Prompt Tuning for Taxonomic Open Set Classification [59.59442518849203]
  分類学的オープンセット(TOS)設定では、ほとんどショット適応法はうまくいきません。 本稿では,モデル予測の階層的一貫性を校正する即時チューニング手法を提案する。 次に,階層整合性のための新しいPrompt Tuning(ProTeCt)手法を提案し,ラベル集合の粒度を分類する。
  論文  参考訳（メタデータ） (2023-06-04T02:55:25Z)
• Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
  我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。 我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。 我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
  論文  参考訳（メタデータ） (2023-04-10T23:01:10Z)
• A hybrid quantum-classical classifier based on branching multi-scale entanglement renormalization ansatz [5.548873288570182]
  本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。 グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。 本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
  論文  参考訳（メタデータ） (2023-03-14T13:46:45Z)
• Ensemble-learning variational shallow-circuit quantum classifiers [4.104704267247209]
  本稿では,ブートストラップ集約と適応的ブースティングという,アンサンブル学習の2つの手法を提案する。 これらのプロトコルは古典的な手書き数字や対称性で保護されたトポロジカルハミルトニアンの量子位相の識別のために例示されている。
  論文  参考訳（メタデータ） (2023-01-30T07:26:35Z)
• Binary classifiers for noisy datasets: a comparative study of existing quantum machine learning frameworks and some new approaches [0.0]
  バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。 ノイズの多いデータセットは 財務的なデータセットの中にあります 新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
  論文  参考訳（メタデータ） (2021-11-05T10:29:05Z)
• Cluster-Promoting Quantization with Bit-Drop for Minimizing Network Quantization Loss [61.26793005355441]
  クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。 DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。 本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
  論文  参考訳（メタデータ） (2021-09-05T15:15:07Z)
• Ansatz-Independent Variational Quantum Classifier [0.0]
  可変量子分類器 (VQC) がよく知られたカーネル法に収まることを示す。 また、与えられたユニタリ演算子に対して効率的な量子回路を設計するための変分回路実現法(VCR)を提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:25:39Z)
• Intra Order-preserving Functions for Calibration of Multi-Class Neural Networks [54.23874144090228]
  一般的なアプローチは、元のネットワークの出力をキャリブレーションされた信頼スコアに変換する、ポストホックキャリブレーション関数を学ぶことである。 以前のポストホックキャリブレーション技術は単純なキャリブレーション機能でしか機能しない。 本稿では,順序保存関数のクラスを表すニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-15T12:57:21Z)

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。