論文の概要: Quantum-Enhanced Topological Data Analysis: A Peep from an
Implementation Perspective
- arxiv url: http://arxiv.org/abs/2302.09553v1
- Date: Sun, 19 Feb 2023 12:18:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 17:49:21.684595
- Title: Quantum-Enhanced Topological Data Analysis: A Peep from an
Implementation Perspective
- Title（参考訳）: 量子エンハンス型トポロジカルデータ解析:実装の観点からのpeep
- Authors: Ankit Khandelwal and M Girish Chandra
- Abstract要約: 本稿では,ベッチ数を計算するアルゴリズムの実装について述べる。
選択した量子アルゴリズムのステップバイステップ命令と、機械学習タスクにどのように使用できるかという側面を提供する。
我々は、分類にベッチ数を用いる際の奨励的な結果を提供し、量子アルゴリズムの結果に対するショット数と精度キュービットの影響を予備分析する。
- 参考スコア（独自算出の注目度）: 22.137388773023854
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: There is heightened interest in quantum algorithms for Topological Data
Analysis (TDA) as it is a powerful tool for data analysis, but it can get
highly computationally expensive. Even though there are different propositions
and observations for Quantum Topological Data Analysis (QTDA), the necessary
details to implement them on software platforms are lacking. Towards closing
this gap, the present paper presents an implementation of one such algorithm
for calculating Betti numbers. The step-by-step instructions for the chosen
quantum algorithm and the aspects of how it can be used for machine learning
tasks are provided. We provide encouraging results on using Betti numbers for
classification and give a preliminary analysis of the effect of the number of
shots and precision qubits on the outcome of the quantum algorithm.
- Abstract（参考訳）: トポロジカルデータ解析(TDA)の量子アルゴリズムへの関心は、データ解析の強力なツールであるため高まっているが、高い計算コストがかかる可能性がある。
qtda(quantum topological data analysis)には、さまざまな提案や観察があるが、ソフトウェアプラットフォームでそれを実装するために必要な詳細は欠落している。
本稿では,このギャップを埋めるために,ベッチ数を計算するアルゴリズムの実装を提案する。
選択した量子アルゴリズムのステップバイステップ命令と、機械学習タスクにどのように使用できるかの側面を提供する。
そこで本研究では,ベッチ数を用いた分類の結果を奨励し,ショット数と精度量子ビットが量子アルゴリズムの結果に与える影響を予備的に解析する。
関連論文リスト
- Higher-order topological kernels via quantum computation [68.8204255655161]
トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。
本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
論文 参考訳（メタデータ） (2023-07-14T14:48:52Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - Complexity-Theoretic Limitations on Quantum Algorithms for Topological
Data Analysis [59.545114016224254]
トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。
我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。
我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
論文 参考訳（メタデータ） (2022-09-28T17:53:25Z) - Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。
超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。
数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
論文 参考訳（メタデータ） (2022-09-27T17:56:15Z) - A streamlined quantum algorithm for topological data analysis with
exponentially fewer qubits [5.478764356647437]
永続ベッチ数を計算するための改良された量子アルゴリズムを提案する。
量子アルゴリズムが実用的なタスクの指数的高速化を達成できるかどうかを論じる。
論文 参考訳（メタデータ） (2022-09-26T17:56:11Z) - Topological data analysis on noisy quantum computers [11.975008559320875]
トポロジカルデータ解析(TDA)は,高次元データの複雑で価値の高い形状関連要約を抽出する強力な手法である。
TDA計算のための古典的アルゴリズムの計算要求は極端であり、高次特性に対してはすぐに非現実的になる。
本稿では,高次元古典データに適用可能なエンドツーエンド量子機械学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-19T22:45:00Z) - 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) - 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) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳（メタデータ） (2021-04-19T00:41:43Z)
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。