Fugu-MT 論文翻訳(概要): Quantum Splines for Non-Linear Approximations

論文の概要: Quantum Splines for Non-Linear Approximations

arxiv url: http://arxiv.org/abs/2303.05428v1
Date: Thu, 9 Mar 2023 17:21:11 GMT
ステータス: 処理完了
システム内更新日: 2023-03-10 13:56:30.097562
Title: Quantum Splines for Non-Linear Approximations
Title（参考訳）: 非線形近似に対する量子スプライン
Authors: Antonio Macaluso, Luca Clissa, Stefano Lodi, Claudio Sartori
Abstract要約: 非線形近似のための量子スプラインの効率的な実装を提案する。特に,まずパラメータを議論し,HHLアルゴリズムを利用するのに最も便利な方法を選択する。
参考スコア（独自算出の注目度）: 2.064612766965483
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Quantum Computing offers a new paradigm for efficient computing and many AI applications could benefit from its potential boost in performance. However, the main limitation is the constraint to linear operations that hampers the representation of complex relationships in data. In this work, we propose an efficient implementation of quantum splines for non-linear approximation. In particular, we first discuss possible parametrisations, and select the most convenient for exploiting the HHL algorithm to obtain the estimates of spline coefficients. Then, we investigate QSpline performance as an evaluation routine for some of the most popular activation functions adopted in ML. Finally, a detailed comparison with classical alternatives to the HHL is also presented.
Abstract（参考訳）: 量子コンピューティングは効率的なコンピューティングのための新しいパラダイムを提供し、多くのaiアプリケーションがパフォーマンス向上の恩恵を受ける可能性がある。しかし、主な制限は、データ内の複雑な関係の表現を阻害する線形操作への制約である。本研究では非線形近似のための量子スプラインの効率的な実装を提案する。特に,考えられるパラメータをまず議論し,HHLアルゴリズムを利用してスプライン係数の推定値を得るのに最も便利な方法を選択する。次に,MLで採用されている最も一般的なアクティベーション機能の評価ルーチンとして,QSplineの性能について検討する。最後に、HHLの古典的な代替品との詳細な比較を示す。

関連論文リスト

Curve-Fitted QPE: Extending Quantum Phase Estimation Results for a Higher Precision using Classical Post-Processing [0.0]
本稿では、標準QPE回路と曲線フィッティングを用いた古典的後処理からなるハイブリッド量子古典的アプローチを提案する。提案手法は,最適クラム'er-Rao低境界性能で高精度であり,最大振幅推定アルゴリズムと変分量子固有解器の誤差分解能に匹敵することを示す。
論文参考訳（メタデータ） (2024-09-24T05:15:35Z)
Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
論文参考訳（メタデータ） (2024-03-18T06:59:23Z)
Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文参考訳（メタデータ） (2024-02-05T02:54:50Z)
Variational Quantum Approximate Spectral Clustering for Binary Clustering Problems [0.7550566004119158]
本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。 VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。合成と実世界の両方のデータセットから得られた数値結果について述べる。
論文参考訳（メタデータ） (2023-09-08T17:54:42Z)
Efficient Model-Free Exploration in Low-Rank MDPs [76.87340323826945]
低ランクマルコフ決定プロセスは、関数近似を持つRLに対して単純だが表現力のあるフレームワークを提供する。既存のアルゴリズムは、(1)計算的に抽出可能であるか、または(2)制限的な統計的仮定に依存している。提案手法は,低ランクMPPの探索のための最初の実証可能なサンプル効率アルゴリズムである。
論文参考訳（メタデータ） (2023-07-08T15:41:48Z)
Proximal Point Imitation Learning [48.50107891696562]
我々は、無限地平線模倣学習のための厳密な効率保証を備えた新しいアルゴリズムを開発した。我々は、最適化、特に近点法(PPM)と双対平滑化から古典的ツールを活用する。線形関数とニューラルネットワーク関数の近似の双方に対して、説得力のある経験的性能を実現する。
論文参考訳（メタデータ） (2022-09-22T12:40:21Z)
Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。提案手法はRパッケージプローブに実装されている。
論文参考訳（メタデータ） (2022-09-16T19:15:50Z)
Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文参考訳（メタデータ） (2022-09-01T17:08:41Z)
Efficient Neural Network Analysis with Sum-of-Infeasibilities [64.31536828511021]
凸最適化における総和係数法に着想を得て,広範な分岐関数を持つネットワーク上での検証クエリを解析するための新しい手法を提案する。標準ケース分析に基づく完全探索手順の拡張は、各検索状態で実行される凸手順をDeepSoIに置き換えることによって達成できる。
論文参考訳（メタデータ） (2022-03-19T15:05:09Z)
Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文参考訳（メタデータ） (2021-12-21T12:41:31Z)
Progress toward favorable landscapes in quantum combinatorial optimization [0.0]
アルゴリズム最適化問題 MaxCut の解法に着目する。古典的な最適化ランドスケープの構造は、MaxCut関数を評価するために使用される量子回路とどのように関係するかを考察する。
論文参考訳（メタデータ） (2021-05-03T18:38:53Z)

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。