論文の概要: Model-Driven Quantum Federated Learning (QFL)

• arxiv url: http://arxiv.org/abs/2304.08496v1
• Date: Wed, 5 Apr 2023 15:19:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 04:27:03.212334
• Title: Model-Driven Quantum Federated Learning (QFL)
• Title（参考訳）: モデル駆動型量子連合学習(qfl)
• Authors: Armin Moin, Atta Badii, Moharram Challenger
• Abstract要約: 開発者はQuantum Computing (QC)ライブラリやフレームワークに慣れていない。 ドメイン特化モデリング言語(DSL)は、基礎となるQCとFederated Learning(FL)ライブラリの抽象化レイヤを提供する。
• 参考スコア（独自算出の注目度）: 6.286613532372707
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recently, several studies have proposed frameworks for Quantum Federated Learning (QFL). For instance, the Google TensorFlow Quantum (TFQ) and TensorFlow Federated (TFF) libraries have been deployed for realizing QFL. However, developers, in the main, are not as yet familiar with Quantum Computing (QC) libraries and frameworks. A Domain-Specific Modeling Language (DSML) that provides an abstraction layer over the underlying QC and Federated Learning (FL) libraries would be beneficial. This could enable practitioners to carry out software development and data science tasks efficiently while deploying the state of the art in Quantum Machine Learning (QML). In this position paper, we propose extending existing domain-specific Model-Driven Engineering (MDE) tools for Machine Learning (ML) enabled systems, such as MontiAnna, ML-Quadrat, and GreyCat, to support QFL.
• Abstract（参考訳）: 近年,量子フェデレート学習(qfl)のためのフレームワークが提案されている。 例えば、Google TensorFlow Quantum(TFQ)とTensorFlow Federated(TFF)ライブラリは、QFLを実現するためにデプロイされている。 しかし、メインの開発者は、まだ量子コンピューティング(qc)ライブラリやフレームワークに精通していない。 基礎となるqcと連合学習(fl)ライブラリに抽象化層を提供するドメイン固有モデリング言語(dsml)は有益である。 これにより、実践者は量子機械学習(qml)の最先端技術をデプロイしながら、ソフトウェア開発とデータサイエンスのタスクを効率的に実行することができる。 本稿では,機械学習(ML)を実現するための既存のドメイン固有モデル駆動工学(MDE)ツールであるMontiAnna,ML-Quadrat,GreyCatを,QFLをサポートするために拡張することを提案する。

関連論文リスト

• AQMLator -- An Auto Quantum Machine Learning E-Platform [0.0]
  AQMLatorは、ユーザからの最小限の入力で、MLモデルの量子層を自動的に提案し、トレーニングすることを目的としている。 標準のMLライブラリを使用するため、既存のMLパイプラインを簡単に導入できる。
  論文  参考訳（メタデータ） (2024-09-26T23:23:27Z)
• Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
  量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。 関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。 量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-21T21:40:47Z)
• A Quantum Federated Learning Framework for Classical Clients [6.418941009007091]
  量子フェデレートラーニング(QFL)は、複数のクライアント間で量子機械学習(QML)モデルの協調トレーニングを可能にする。 量子コンピューティングリソースの限られた可用性は、各クライアントが量子コンピューティング能力を取得するための課題となる。 CC-QFLと呼ばれる古典的クライアント向けに設計されたQFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-18T19:29:55Z)
• sQUlearn -- A Python Library for Quantum Machine Learning [0.0]
  sQUlearnが量子機械学習(QML)用のNISQ対応Pythonライブラリを導入 図書館の二重層アーキテクチャはQML研究者と実践者の両方に役立っている。
  論文  参考訳（メタデータ） (2023-11-15T14:22:53Z)
• Foundations of Quantum Federated Learning Over Classical and Quantum Networks [59.121263013213756]
  量子フェデレーション学習(QFL)は、古典的フェデレーション学習(FL)の利点と量子技術の計算能力を統合する新しいフレームワークである。 QFLは古典的通信網と量子的通信網の両方に展開できる。
  論文  参考訳（メタデータ） (2023-10-23T02:56:00Z)
• Quantum Text Classifier -- A Synchronistic Approach Towards Classical and Quantum Machine Learning [0.0]
  量子コンピューティングにおける機械学習パイプラインの実行可能性を示すために、方法とアルゴリズムが開発されている。 一般的なQML(Quantum Machine Learning)アルゴリズムとアプリケーションに関する作業が進行中です。 本稿では、機械学習の読者に対して、量子機械学習w.r.tテキスト分類を導入する。
  論文  参考訳（メタデータ） (2023-05-22T07:27:37Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Tangelo: An Open-source Python Package for End-to-end Chemistry Workflows on Quantum Computers [85.21205677945196]
  Tangelo(タンジェロ)は、量子コンピュータ上でエンドツーエンド化学を開発するためのオープンソースのPythonソフトウェアパッケージである。 量子ハードウェアで成功した実験の設計を支援し、量子アルゴリズムの発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2022-06-24T17:44:00Z)
• Open Source Variational Quantum Eigensolver Extension of the Quantum Learning Machine (QLM) for Quantum Chemistry [0.0]
  我々は,化学に着想を得た適応手法の使用と開発のための新しいオープンソースQCパッケージ,Open-VQEを紹介した。 Atos Quantum Learning Machine (QLM)は、コンピュータプログラムを記述、最適化できる汎用プログラミングフレームワークである。 OpenVQEとともに、新しいオープンソースモジュールであるmyQLMFermion(QC開発において重要な重要なQLMリソースを含む)を紹介します。
  論文  参考訳（メタデータ） (2022-06-17T14:24:22Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• FedML: A Research Library and Benchmark for Federated Machine Learning [55.09054608875831]
  フェデレート・ラーニング(Federated Learning, FL)は、機械学習の分野で急速に成長している研究分野である。 既存のFLライブラリは多様なアルゴリズム開発を適切にサポートできない。 FLアルゴリズムの開発と公正な性能比較を容易にするための,オープンな研究ライブラリとベンチマークであるFedMLを紹介する。
  論文  参考訳（メタデータ） (2020-07-27T13:02:08Z)

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。