論文の概要: Quantum Multi-Model Fitting
- arxiv url: http://arxiv.org/abs/2303.15444v1
- Date: Mon, 27 Mar 2023 17:59:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-03-28 14:00:23.104969
- Title: Quantum Multi-Model Fitting
- Title（参考訳）: 量子マルチモデルフィッティング
- Authors: Matteo Farina and Luca Magri and Willi Menapace and Elisa Ricci and
Vladislav Golyanik and Federica Arrigoni
- Abstract要約: 本稿では,Multi-model fit (MMF) に対する最初の量子的アプローチを提案する。
我々は、目的関数の緩和を伴わずに、現代の断熱量子コンピュータで効率的にサンプリングできる問題としてMMFを定式化する。
実験により,様々なデータセットに対して有望な結果が得られた。
- 参考スコア（独自算出の注目度）: 38.11392123303445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Geometric model fitting is a challenging but fundamental computer vision
problem. Recently, quantum optimization has been shown to enhance robust
fitting for the case of a single model, while leaving the question of
multi-model fitting open. In response to this challenge, this paper shows that
the latter case can significantly benefit from quantum hardware and proposes
the first quantum approach to multi-model fitting (MMF). We formulate MMF as a
problem that can be efficiently sampled by modern adiabatic quantum computers
without the relaxation of the objective function. We also propose an iterative
and decomposed version of our method, which supports real-world-sized problems.
The experimental evaluation demonstrates promising results on a variety of
datasets. The source code is available at:
https://github.com/FarinaMatteo/qmmf.
- Abstract（参考訳）: 幾何学的モデルフィッティングは難しいが基本的なコンピュータビジョンの問題である。
近年、量子最適化は単一モデルの場合のロバスト適合性を高めつつ、マルチモデル適合性の問題も解き放たれていることが示されている。
この課題に対して,本論文では,後者のケースが量子ハードウェアの利点を大いに生かし,マルチモデルフィッティング(MMF)への最初の量子アプローチを提案する。
目的関数を緩和することなく、現代の断熱量子コンピュータで効率的にサンプルできる問題としてmmfを定式化する。
また,実世界の課題に対応する反復的・分解的手法を提案する。
実験評価の結果,様々なデータセットで有望な結果が得られた。
ソースコードはhttps://github.com/farinamatteo/qmmf。
関連論文リスト
- Outlier-Robust Multi-Model Fitting on Quantum Annealers [29.24367815462826]
マルチモデルフィッティング(MMF)はコンピュータビジョンにおいて重要な課題である。
既存の量子ベースのモデルフィッティングのアプローチは、単一のモデルに制限されるか、または、外れ値のないデータセット内のマルチモデルシナリオを考慮するかのいずれかである。
本稿では,外乱を効果的に扱えるロバスト量子マルチモデルフィッティング(R-QuMF)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-04-18T17:59:53Z) - 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) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳（メタデータ） (2022-06-09T17:58:15Z) - On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。
本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。
量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
論文 参考訳（メタデータ） (2022-06-01T11:03:51Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Simulating strongly interacting Hubbard chains with the Variational
Hamiltonian Ansatz on a quantum computer [0.0]
変分量子固有解法(VQE)は、分子や凝縮物質システムを小型量子コンピュータ上で研究するために実装されている。
1次元ハバード鎖の基底物理のどれ程が、問題に着想を得た変分ハミルトンアンザッツ(VHA)によって幅広いパラメータ値で記述されているかという問題に答えようとしている。
以上の結果から,低忠実度溶液でさえエネルギーと2重占有部位をよく捉えているのに対し,スピンスピン相関は高忠実度溶液であってもよく捉えられていないことが示唆された。
論文 参考訳（メタデータ） (2021-11-23T16:54:36Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳（メタデータ） (2021-07-08T17:59:55Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳（メタデータ） (2021-05-06T17:59:38Z) - Model Predictive Control for Finite Input Systems using the D-Wave
Quantum Annealer [4.83782736808514]
D-Wave量子アニールは、新しい計算アーキテクチャとして登場し、大きな関心を集めている。
本稿では,量子アニールを用いたモデル予測制御(MPC)アルゴリズムを提案する。
スプリング・マス・ダンパーシステムの安定化と動的オーディオ量子化という2つの実用的応用を実証した。
論文 参考訳（メタデータ） (2020-01-06T05:11:52Z)
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。