論文の概要: Information compression via hidden subgroup quantum autoencoders
- arxiv url: http://arxiv.org/abs/2306.08047v3
- Date: Tue, 13 Aug 2024 02:13:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-14 23:38:51.685370
- 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, Oscar Dahlsten,
- Abstract要約: 隠れサブグループ型の既知対称性を持つデータベースにおけるシーケンスデータについて検討する。
与えられた群構造を持つデータは、隠れた部分群問題と同じクエリ複雑性で圧縮可能であることを証明した。
我々は、群構造を変動的に見つける量子アルゴリズムを設計し、それを用いてデータを圧縮する。
- 参考スコア（独自算出の注目度）: 5.502955304070116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We design a quantum method for classical information compression that exploits the hidden subgroup quantum algorithm. We consider sequence data in a database with a priori unknown symmetries of the hidden subgroup type. We prove that data with a given group structure can be compressed with the same query complexity as the hidden subgroup problem, which is exponentially faster than the best known classical algorithms. We moreover design a quantum algorithm that variationally finds the group structure and uses it to compress the data. There is an encoder and a decoder, along the paradigm of quantum autoencoders. After the training, the encoder outputs a compressed data string and a description of the hidden subgroup symmetry, from which the input data can be recovered by the decoder. In illustrative examples, our algorithm outperforms the classical autoencoder on the mean squared value of test data. This classical-quantum separation in information compression capability has thermodynamical significance: the free energy assigned by a quantum agent to a system can be much higher than that of a classical agent. Taken together, our results show that a possible application of quantum computers is to efficiently compress certain types of data that cannot be efficiently compressed by current methods using classical computers.
- Abstract（参考訳）: 隠れサブグループ量子アルゴリズムを利用する古典的情報圧縮のための量子法を設計する。
隠れサブグループ型の既知対称性を持つデータベースにおけるシーケンスデータについて検討する。
与えられたグループ構造を持つデータは、最もよく知られた古典的アルゴリズムよりも指数関数的に高速な隠れ部分群問題と同じクエリ複雑性で圧縮可能であることを証明した。
さらに、群構造を変動的に見つけ、それを圧縮するために利用する量子アルゴリズムを設計する。
量子オートエンコーダのパラダイムに沿って、エンコーダとデコーダがある。
訓練後、エンコーダは圧縮されたデータ文字列と隠されたサブグループ対称性の記述を出力し、そこからデコーダにより入力データを復元する。
実例では,テストデータの平均2乗値に対して,従来のオートエンコーダよりも優れていた。
量子エージェントによってシステムに割り当てられた自由エネルギーは、古典的なエージェントよりもはるかに高い。
この結果から,量子コンピュータの応用の可能性として,従来の計算手法では効率よく圧縮できないある種のデータを効率よく圧縮することが示唆された。
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。