論文の概要: Variational Quantum Eigensolver for Classification in Credit Sales Risk
- arxiv url: http://arxiv.org/abs/2303.02797v2
- Date: Tue, 9 Apr 2024 22:25:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 19:55:03.963218
- Title: Variational Quantum Eigensolver for Classification in Credit Sales Risk
- Title（参考訳）: 信用販売リスクの分類のための変量量子固有解法
- Authors: Joanna Wiśniewska, Marek Sawerwain,
- Abstract要約: 本稿では,変分量子固有解器(VQE)といわゆるSWAP-Testに基づく量子回路について考察する。
活用されたデータセットでは、2つのクラスが観察できる。
この解はコンパクトであり、対数的に増加するキュービット数だけを必要とする。
- 参考スコア（独自算出の注目度）: 0.5524804393257919
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The data classification task is broadly utilized in numerous fields of science and it may be realized by different known approaches (e.g. neural networks). However, in this work, quantum computations were harnessed to solve the problem. We take into consideration a quantum circuit which is based on the Variational Quantum Eigensolver (VQE) and so-called SWAP-Test what allows us to solve a classification problem connected with credit sales. More specifically, we cope with a decision problem of determining customer's reliability based on values of selected decision variables (e.g. generated turnover, history of cooperation). The classical data samples are converted into normalized quantum states. After this operation, samples may be processed by a circuit of quantum gates. The VQE approach allows training the parameters of a quantum circuit (so-called ansatz) to output pattern-states for each class. In the utilized data set, two classes may be observed -- cases with low and high credit risk. However, the VQE circuit differentiates more classes than two (introduces more detailed cases) and the final results are obtained with the use of aforementioned SWAP-Test. The elaborated solution is compact and requires only logarithmically increasing number of qubits (due to the exponential capacity of quantum registers). Because of the low complexity of the presented quantum circuit, it is possible to perform experiments on currently available quantum computers, including the Noisy Intermediate-Scale Quantum (NISQ) devices. This type of devices, despite the presence of noise, is capable of solving the task analyzed in this work. All calculations, simulations, plots, and comparisons were implemented and conduced in the Python language environment. Source codes for each example of quantum classification can be found in the source code repository.
- Abstract（参考訳）: データ分類タスクは、科学の様々な分野で広く利用されており、様々な既知のアプローチ(例えばニューラルネットワーク)によって実現される。
しかし、この研究において、量子計算は問題を解くために利用された。
本稿では、変動量子固有解器(VQE)といわゆるSWAP-Testに基づいて、クレジットカード販売に関連する分類問題を解くことができる量子回路について考察する。
具体的には、選択された決定変数(例えば、ターンオーバー、協力の歴史)の値に基づいて顧客の信頼性を決定する決定問題に対処する。
古典的なデータサンプルは正規化された量子状態に変換される。
この操作の後、サンプルは量子ゲートの回路によって処理される。
VQEアプローチでは、量子回路(いわゆるアンサッツ)のパラメータをトレーニングして、各クラスのパターンステートを出力することができる。
活用されたデータセットでは、2つのクラスが観察できる。
しかしながら、VQE回路は2つ以上のクラスを区別し(より詳細なケースを導入)、上述のSWAP-Testを用いて最終的な結果を得る。
精巧な解はコンパクトであり、(量子レジスタの指数的な容量のため)対数的に増加する量子ビットだけを必要とする。
提示された量子回路の複雑さが低いため、ノイズ中間スケール量子(NISQ)デバイスを含む現在利用可能な量子コンピュータで実験を行うことができる。
このタイプのデバイスは、ノイズがあるにもかかわらず、この研究で分析されたタスクを解くことができる。
計算、シミュレーション、プロット、比較はすべてPython言語環境で実装され、再現された。
量子分類の例のソースコードは、ソースコードリポジトリにある。
関連論文リスト
- Quantum Circuit Learning on NISQ Hardware [0.0]
現在の量子コンピュータは小さく、エラーを起こしやすいシステムである。
フォールトトレラントな量子コンピュータは近い将来は利用できない。
我々は,IBM量子コンピュータ上で最大3キュービットのQCL回路が実行可能であることを示す。
論文 参考訳（メタデータ） (2024-05-03T13:00:32Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - MORE: Measurement and Correlation Based Variational Quantum Circuit for
Multi-classification [10.969833959443495]
MOREは、測定と相関に基づく変分量子多重分類器の略である。
我々はQiskit Pythonライブラリを使ってMOREを実装し、ノイズフリーとノイズの多い量子システムの両方で広範囲にわたる実験により評価する。
論文 参考訳（メタデータ） (2023-07-21T19:33:10Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Schrödinger as a Quantum Programmer: Estimating Entanglement via Steering [3.187381965457262]
我々は、量子ステアリング効果を用いて、一般的な二部状態の分離性をテストし、定量化する量子アルゴリズムを開発した。
我々の発見は、ステアリング、絡み合い、量子アルゴリズム、量子計算複雑性理論の間の有意義な関係を提供する。
論文 参考訳（メタデータ） (2023-03-14T13:55:06Z) - Delegated variational quantum algorithms based on quantum homomorphic
encryption [69.50567607858659]
変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。
クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。
量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
論文 参考訳（メタデータ） (2023-01-25T07:00:13Z) - Multi-class quantum classifiers with tensor network circuits for quantum
phase recognition [0.0]
ネットワークにインスパイアされた回路は、変分量子固有解回路の自然な選択として提案されている。
本稿では,ツリーテンソルネットワークとマルチスケール再正規化アンサッツ回路に基づくマルチクラスの絡み合いに関する数値実験を行う。
論文 参考訳（メタデータ） (2021-10-15T21:55:13Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - VQE Method: A Short Survey and Recent Developments [5.9640499950316945]
変分量子固有解法(VQE)は、ハミルトニアンの固有値と固有値を見つけるためにハイブリッド量子古典計算法を用いる方法である。
VQEは、様々な小さな分子に対する電子的シュリンガー方程式の解法に成功している。
現代の量子コンピュータは、現在利用可能なアンサツェを用いて生成されたディープ量子回路を実行することができない。
論文 参考訳（メタデータ） (2021-03-15T16:25:36Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳（メタデータ） (2020-07-21T15:36:25Z)
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。