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: 翻訳完了
• 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

• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Quantum generative classification with mixed states [3.5212321067549994]
  量子生成分類(QGC)と呼ばれる量子生成多クラス分類戦略を提案する。 このモデルは変動量子アルゴリズムを用いて、混合量子状態を用いてデータセットの特徴とラベルの結合確率密度関数を推定する。 量子生成分類アルゴリズムは、トレーニングデータの核ヒルベルト空間を再現するガウス混合とみなすことができる。
  論文  参考訳（メタデータ） (2025-02-27T10:56:47Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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)

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。