論文の概要: SQL2Circuits: Estimating Metrics for SQL Queries with A Quantum Natural
Language Processing Method
- arxiv url: http://arxiv.org/abs/2306.08529v1
- Date: Wed, 14 Jun 2023 14:23:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 18:49:21.414227
- Title: SQL2Circuits: Estimating Metrics for SQL Queries with A Quantum Natural
Language Processing Method
- Title(参考訳): SQL2Circuits: 量子自然言語処理法によるSQLクエリのメトリック推定
- Authors: Valter Uotila
- Abstract要約: この研究は量子機械学習モデルを構築するための量子自然言語処理(QNLP)に着想を得たアプローチを表している。
本研究では,その表現可能性とエンタングリング能力のヒストグラムを計算し,開発した量子機械学習モデルについて検討する。
その結果、モデルには表現可能な特性があるが、量子ハードウェア上での実行には複雑ではないことが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum computing has developed significantly in recent years. Developing
algorithms to estimate various metrics for SQL queries has been an important
research question in database research since the estimations affect query
optimization and database performance. This work represents a quantum natural
language processing (QNLP) -inspired approach for constructing a quantum
machine learning model which can classify SQL queries with respect to their
execution times and cardinalities. From the quantum machine learning
perspective, we compare our model and results to the previous research in QNLP
and conclude that our model reaches similar accuracy as the QNLP model in the
classification tasks. This indicates that the QNLP model is a promising method
even when applied to problems that are not in QNLP. We study the developed
quantum machine learning model by calculating its expressibility and entangling
capability histograms. The results show that the model has favorable properties
to be expressible but also not too complex to be executed on quantum hardware.
- Abstract(参考訳): 近年、量子コンピューティングは著しく発展している。
SQLクエリの様々なメトリクスを推定するアルゴリズムの開発は、クエリ最適化とデータベース性能に影響を与えるため、データベース研究において重要な研究課題となっている。
この研究は、量子自然言語処理(QNLP)から着想を得たアプローチで、実行時間と濃度に関してSQLクエリを分類できる量子機械学習モデルを構築する。
量子機械学習の観点から、我々のモデルと結果をQNLPの以前の研究と比較し、我々のモデルは分類タスクにおけるQNLPモデルと同様の精度に達すると結論づける。
これは,QNLPにない問題に適用しても,QNLPモデルは有望な手法であることを示している。
本研究では,その表現可能性とエンハング能力ヒストグラムを計算し,量子機械学習モデルについて検討した。
結果は、モデルが表現しやすい性質を持つが、量子ハードウェア上で実行するには複雑ではないことを示している。
関連論文リスト
- Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-26T18:23:21Z) - The QUATRO Application Suite: Quantum Computing for Models of Human
Cognition [49.038807589598285]
量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。
我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
論文 参考訳(メタデータ) (2023-09-01T17:34:53Z) - QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。
量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。
4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文 参考訳(メタデータ) (2023-08-25T15:08:19Z) - Improving Text Matching in E-Commerce Search with A Rationalizable,
Intervenable and Fast Entity-Based Relevance Model [78.80174696043021]
エンティティベース関連モデル(EBRM)と呼ばれる新しいモデルを提案する。
この分解により、高精度にクロスエンコーダQE関連モジュールを使用できる。
また、ユーザログから自動生成されたQEデータによるQEモジュールの事前トレーニングにより、全体的なパフォーマンスが向上することを示す。
論文 参考訳(メタデータ) (2023-07-01T15:44:53Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Design and Implementation of a Quantum Kernel for Natural Language
Processing [0.8702432681310401]
この論文はDisCoCatモデルを利用して、NLPタスクのサポートベクトルマシン(SVM)で使用できる量子ベースのカーネル関数を設計する。
i) 遷移振幅アプローチと(ii) SWAP試験の2つの類似性尺度について検討した。
以前の研究から明らかなモデルは単語埋め込みの訓練に使われ、93.09 pm 0.01$%の精度でテストされた。
論文 参考訳(メタデータ) (2022-05-13T00:45:46Z) - MQBench: Towards Reproducible and Deployable Model Quantization
Benchmark [53.12623958951738]
MQBenchは、モデル量子化アルゴリズムの評価、分析、およびデプロイ可能性のベンチマークを行う最初の試みである。
我々は、CPU、GPU、ASIC、DSPを含む実世界のデプロイのための複数のプラットフォームを選択し、最先端の量子化アルゴリズムを評価する。
包括的な分析を行い、直感的、直感的、あるいは反直感的な洞察を見出す。
論文 参考訳(メタデータ) (2021-11-05T23:38:44Z) - Quantum agents in the Gym: a variational quantum algorithm for deep
Q-learning [0.0]
本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。
量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
論文 参考訳(メタデータ) (2021-03-28T08:57:22Z) - Neural Predictor based Quantum Architecture Search [15.045985536395479]
変分量子アルゴリズム(VQA)は、短期的には量子古典的ハイブリッド計算パラダイムの下で現実的な問題に対して量子的優位性をもたらすと広く推測されている。
本研究では,量子アーキテクチャ探索(QAS)の評価ポリシーとしてニューラルネットワークに基づく予測器を提案する。
論文 参考訳(メタデータ) (2021-03-11T08:26:12Z) - QNLP in Practice: Running Compositional Models of Meaning on a Quantum
Computer [0.7194733565949804]
本研究では,NISQ(Noisy Intermediate-Scale Quantum)コンピュータ上で行った最初のNLP実験について報告する。
我々は、量子回路への自然なマッピングを持つ文の表現を作成する。
我々は、量子ハードウェア上で単純な文分類タスクを解くNLPモデルをうまく訓練する。
論文 参考訳(メタデータ) (2021-02-25T13:37:33Z)
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。