論文の概要: Information compression via hidden subgroup quantum autoencoders
- arxiv url: http://arxiv.org/abs/2306.08047v1
- Date: Tue, 13 Jun 2023 18:06:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 23:11:29.060598
- Title: Information compression via hidden subgroup quantum autoencoders
- Title（参考訳）: 隠れサブグループ量子オートエンコーダによる情報圧縮
- Authors: Feiyang Liu, Kaiming Bian, Fei Meng, Wen Zhang and Oscar Dahlsten
- Abstract要約: 非線形古典情報圧縮のための量子法を設計する。
いわゆる隠れ部分群型の対称性に従うデータを圧縮するために、量子アルゴリズムの指数的高速化を証明した。
次に、データベースに格納された時系列データを自動的に圧縮する変分量子アルゴリズムに一般化する。
- 参考スコア（独自算出の注目度）: 7.0782878781451
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We design a quantum method for non-linear classical information compression.
For compressing data obeying symmetries of the so-called hidden subgroup type,
we prove an exponential speedup of quantum algorithm in terms of query
complexity. We then generalize the method to a variational quantum algorithm
that automatically compresses time-series data stored in a database with a
priori unknown symmetries of the hidden subgroup type. The automatic
compression exploits an encoder that computes the hidden subgroup and a decoder
that reconstructs the data using the group structure. The algorithm can thus be
viewed as a synthesis of hidden subgroup quantum computing and quantum
autoencoders. The output of our algorithm compares favourably with that of a
deep classical autoencoder for a tractable illustrative example. Our results
show how quantum computers can efficiently compress certain types of data that
cannot be efficiently compressible by classical computers. As an additional
application, the computational advantage of the quantum compressor over its
classical counterpart can be transformed into a quantum advantage for
intelligent energy harvesting.
- Abstract（参考訳）: 非線形古典情報圧縮のための量子法を設計する。
いわゆる隠れ部分群の対称性に従うデータを圧縮するために、クエリ複雑性の観点から量子アルゴリズムの指数関数的な高速化が証明される。
次に,本手法を変分量子アルゴリズムに一般化し,データベースに格納された時系列データを,隠蔽サブグループの未知の対称性で自動的に圧縮する。
自動圧縮は、隠されたサブグループを演算するエンコーダと、グループ構造を用いてデータを再構成するデコーダを利用する。
したがって、アルゴリズムは隠れたサブグループ量子コンピューティングと量子オートエンコーダの合成と見なすことができる。
このアルゴリズムの出力は、扱いやすい例のための深い古典的オートエンコーダと好適に比較できる。
量子コンピュータは,従来のコンピュータでは効率よく圧縮できないデータの種類を効率的に圧縮できることを示す。
追加の用途として、量子圧縮機を古典的な圧縮機よりも計算能力の利点は、知的エネルギーの収穫における量子のアドバンテージに変換できる。
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) - 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) - 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) - Understanding the Mapping of Encode Data Through An Implementation of
Quantum Topological Analysis [0.7106986689736827]
複素ヒルベルト空間に埋め込まれたデータのトポロジーを解析することにより,符号化手法の違いを可視化できることを示す。
提案手法は,異なる量子機械学習モデルにおいて慎重に検討する必要があることを示唆する。
論文 参考訳（メタデータ） (2022-09-21T18:46:08Z) - Quantum compression with classically simulatable circuits [0.5735035463793007]
本稿では,量子情報を低次元表現に変換する進化的アルゴリズムを用いて,量子オートエンコーダを設計する戦略を提案する。
量子状態の異なる族を圧縮するアルゴリズムの初期応用を実証した。
このアプローチは、計算資源の少ない量子データの低表現を見つけるために古典論理を用いる可能性を開く。
論文 参考訳（メタデータ） (2022-07-06T20:36:10Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - Information loss and run time from practical application of quantum data
compression [0.0]
本稿では,ハイブリッド量子オートエンコーダアルゴリズムの量子および古典的成分について述べる。
ビットマップ画像を量子重ね合わせ状態としてエンコードし、離散値の密度行列を持つ線形独立ベクトルに対応する。
シミュレーションを用いて、このデータをほぼロスレス圧縮で圧縮し、IBMQ量子チップ上でアルゴリズムを実行する。
論文 参考訳（メタデータ） (2022-03-21T20:46:23Z) - COIN++: Data Agnostic Neural Compression [55.27113889737545]
COIN++は、幅広いデータモダリティをシームレスに扱うニューラルネットワーク圧縮フレームワークである。
様々なデータモダリティを圧縮することで,本手法の有効性を示す。
論文 参考訳（メタデータ） (2022-01-30T20:12:04Z) - Noise-Assisted Quantum Autoencoder [7.33811357166334]
以前の量子オートエンコーダは、ハイランク混合状態の圧縮と回復に失敗した。
本稿では,ノイズ支援型量子オートエンコーダアルゴリズムを提案する。
純状態アンサンブル圧縮には、投影された量子オートエンコーダアルゴリズムも導入する。
論文 参考訳（メタデータ） (2020-12-15T14:39:06Z) - On compression rate of quantum autoencoders: Control design, numerical
and experimental realization [6.062713059671951]
与えられた量子オートエンコーダの圧縮速度の上限を確立する。
本稿では,最大圧縮率を達成するために,オートエンコーダの学習制御手法を提案する。
論文 参考訳（メタデータ） (2020-05-22T12:44:16Z) - Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。
量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。
これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
論文 参考訳（メタデータ） (2020-03-20T17:56:14Z)
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。