論文の概要: Relation between quantum advantage in supervised learning and quantum computational advantage

• arxiv url: http://arxiv.org/abs/2304.06687v2
• Date: Sat, 1 Jul 2023 07:03:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-04 13:52:32.221108
• Title: Relation between quantum advantage in supervised learning and quantum computational advantage
• Title（参考訳）: 教師付き学習における量子アドバンテージと量子計算アドバンテージの関係
• Authors: Jordi P\'erez-Guijarro, Alba Pag\`es-Zamora and Javier R. Fonollosa
• Abstract要約: 最近の研究は、計算と学習の優位性は一般に等価ではないことを示している。 トレーニングセットを生成するための効率的なアルゴリズムの存在が、そのような条件の基盤として現れている。 その結果、素因数分解問題に基づく学習タスクの量子スピードアップが存在することを証明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The widespread use of machine learning has raised the question of quantum supremacy for supervised learning as compared to quantum computational advantage. In fact, a recent work shows that computational and learning advantage are, in general, not equivalent, i.e., the additional information provided by a training set can reduce the hardness of some problems. This paper investigates under which conditions they are found to be equivalent or, at least, highly related. The existence of efficient algorithms to generate training sets emerges as the cornerstone of such conditions. These results are applied to prove that there is a quantum speed-up for some learning tasks based on the prime factorization problem, assuming the classical intractability of this problem.
• Abstract（参考訳）: 機械学習の広範にわたる利用は、量子計算の利点と比較して教師あり学習に対する量子超越性の問題を提起している。 実際、最近の研究では、計算と学習のアドバンテージは一般に同等ではなく、トレーニングセットによって提供される追加情報によって、いくつかの問題の難易度が低下することを示している。 本稿では,どの条件が等価であるか,少なくとも関連性が高いかを検討する。 トレーニングセットを生成するための効率的なアルゴリズムの存在は、そのような条件の基盤として現れる。 これらの結果は、この問題の古典的難易度を仮定して、素因数分解問題に基づく学習タスクの量子スピードアップが存在することを示すために応用される。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum Query Complexity of Boolean Functions under Indefinite Causal Order [0.9208007322096533]
  一般高次量子計算におけるブール関数の問合せ複雑性について検討する。 最近導入された因果順序の量子制御を持つ量子回路のクラスは、クエリの複雑さを減らすことは不可能である。 因果不確定なスーパーマップを利用する場合、2つのクエリで計算できる最小誤差が厳密に低い関数がいくつか見つかる。
  論文  参考訳（メタデータ） (2023-07-18T13:12:55Z)
• Exponential separations between classical and quantum learners [2.209921757303168]
  我々は,定義の微妙な違いが,学習者が満足して解決すべき要件や課題を著しく異なるものにする可能性について論じる。 本稿では,データ生成関数の同定に古典的困難を主眼として,2つの新たな学習分離を提案する。
  論文  参考訳（メタデータ） (2023-06-28T08:55:56Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Optimal quantum reservoir computing for the NISQ era [0.0]
  このレターでは、最適な量子貯水池を選択するための基準を提供する。 以上の結果から, ゲートが著しく少ない他のモデルよりも優れた結果が得られ, 量子貯水池計算と量子状態複雑性の理論的ギャップに関する洞察も得られている。
  論文  参考訳（メタデータ） (2022-05-20T12:00:27Z)
• Experimental violations of Leggett-Garg's inequalities on a quantum computer [77.34726150561087]
  単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。 本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
  論文  参考訳（メタデータ） (2021-09-06T14:35:15Z)
• Quantum advantage for differential equation analysis [13.39145467249857]
  量子微分方程式解の出力が量子機械学習の入力としてどのように機能するかを示す。 これらの量子アルゴリズムは、既存のモンテカルロ法よりも指数関数的に有利である。
  論文  参考訳（メタデータ） (2020-10-29T17:19:04Z)
• Experimental demonstration of quantum advantage for NP verification with limited information [4.6453787256723365]
  本稿では,量子計算の優位性を示す実験的な実験結果を示す。 我々は,この検証作業を効率的に行うことができる簡単な線形光学実装を提供する。 また、証明のサイズを直せば、古典的なコンピュータはずっと時間がかかるという強い証拠も提供します。
  論文  参考訳（メタデータ） (2020-07-31T07:14:13Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)
• Statistical Limits of Supervised Quantum Learning [90.0289160657379]
  精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。 より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
  論文  参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。