論文の概要: A hybrid quantum-classical classifier based on branching multi-scale
entanglement renormalization ansatz
- arxiv url: http://arxiv.org/abs/2303.07906v1
- Date: Tue, 14 Mar 2023 13:46:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 14:52:43.178483
- Title: A hybrid quantum-classical classifier based on branching multi-scale
entanglement renormalization ansatz
- Title(参考訳): 分岐型マルチスケールエンタングルメント再正規化アンサッツに基づくハイブリッド量子古典分類器
- Authors: Yan-Yan Hou, Jian Li, Xiu-Bo Chen, Chong-Qiang Ye
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.548873288570182
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Label propagation is an essential semi-supervised learning method based on
graphs, which has a broad spectrum of applications in pattern recognition and
data mining. This paper proposes a quantum semi-supervised classifier based on
label propagation. Considering the difficulty of graph construction, we develop
a variational quantum label propagation (VQLP) method. In this method, a
locally parameterized quantum circuit is created to reduce the parameters
required in the optimization. Furthermore, we design a quantum semi-supervised
binary classifier based on hybrid Bell and $Z$ bases measurement, which has
shallower circuit depth and is more suitable for implementation on near-term
quantum devices. We demonstrate the performance of the quantum semi-supervised
classifier on the Iris data set, and the simulation results show that the
quantum semi-supervised classifier has higher classification accuracy than the
swap test classifier. This work opens a new path to quantum machine learning
based on graphs.
- Abstract(参考訳): ラベル伝搬は,パターン認識やデータマイニングにおける幅広い応用分野を有するグラフに基づく,基本的な半教師付き学習手法である。
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。
この方法では、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が作成される。
さらに,回路深度が浅く,近い将来の量子デバイスの実装に適する,ハイブリッドベルと$z$ベースス測定に基づく量子半教師付きバイナリ分類器を設計した。
我々はIrisデータセット上で量子半教師付き分類器の性能を実証し、シミュレーションの結果、量子半教師付き分類器はスワップテスト分類器よりも高い分類精度を示した。
この研究は、グラフに基づいた量子機械学習への新たな道を開く。
関連論文リスト
- 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) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Photonic Quantum Computing For Polymer Classification [62.997667081978825]
2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。
高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
論文 参考訳(メタデータ) (2022-11-22T11:59:52Z) - 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) - Structure Learning of Quantum Embeddings [68.8204255655161]
最適化手法により最適な量子埋め込みを自動的に選択するアルゴリズムを提案する。
我々は、我々のアプローチの性能向上を示すために、人工データセットと実世界のデータセットの両方を使用しました。
論文 参考訳(メタデータ) (2022-09-22T16:42:14Z) - Variational Quantum Approximate Support Vector Machine With Inference
Transfer [0.8057006406834467]
複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。
サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。
虹彩データ分類の精度は98.8%に達した。
論文 参考訳(メタデータ) (2022-06-29T09:56:59Z) - Optimal quantum kernels for small data classification [0.0]
本稿では,量子ゲートシーケンスをデータに適応させるベクトルマシンをサポートするために,量子カーネルを構築するアルゴリズムを示す。
少数のトレーニングポイントを持つ分類問題に対する結果の量子モデルの性能は、最適化された古典モデルよりも著しく高い。
論文 参考訳(メタデータ) (2022-03-25T18:26:44Z) - Quantum algorithm for neural network enhanced multi-class parallel
classification [0.3314882635954752]
提案アルゴリズムは,高い分類精度,高速収束,表現能力を有する。
L$クラスの分類タスクでは、量子回路の空間と時間の複雑さはそれぞれ$O(L*logL)$と$O(logL)$である。
論文 参考訳(メタデータ) (2022-03-08T14:06:13Z) - 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) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - Supervised Learning Using a Dressed Quantum Network with "Super
Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation [7.599675376503671]
ノイズのある中間量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装には、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題がある。
本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。
他の多くのQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
論文 参考訳(メタデータ) (2020-07-20T16:29:32Z)
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。