論文の概要: Boost clustering with Gaussian Boson Sampling: a full quantum approach
- arxiv url: http://arxiv.org/abs/2307.13348v1
- Date: Tue, 25 Jul 2023 09:05:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 17:44:01.208523
- Title: Boost clustering with Gaussian Boson Sampling: a full quantum approach
- Title（参考訳）: gaussian bosonサンプリングによるクラスタリングの促進 - 完全な量子アプローチ
- Authors: Nicol\`o Bonaldi, Martina Rossi, Daniele Mattioli, Michele Grapulin,
Blanca Silva Fern\'andez, Davide Caputo, Marco Magagnini, Arianna Osti, and
Fabio Veronese
- Abstract要約: ガウスボソンサンプリング(GBS)に基づく新しいクラスタリング手法を提案する。
2つの有名な古典的クラスタリングアルゴリズムを用いて、我々のアプローチをベンチマークする。
その結果,提案手法は,選択した3つの指標のうち2つにおいて,従来の2つのアルゴリズムよりも優れていた。
- 参考スコア（独自算出の注目度）: 0.09437521840642138
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Gaussian Boson Sampling (GBS) is a recently developed paradigm of quantum
computing consisting of sending a Gaussian state through a linear
interferometer and then counting the number of photons in each output mode.
When the system encodes a symmetric matrix, GBS can be viewed as a tool to
sample subgraphs: the most sampled are those with a large number of perfect
matchings, and thus are the densest ones. This property has been the foundation
of the novel clustering approach we propose in this work, called GBS-based
clustering, which relies solely on GBS, without the need of classical
algorithms. The GBS-based clustering has been tested on several datasets and
benchmarked with two well-known classical clustering algorithms. Results
obtained by using a GBS simulator show that on average our approach outperforms
the two classical algorithms in two out of the three chosen metrics, proposing
itself as a viable full-quantum clustering option.
- Abstract（参考訳）: ガウスボソンサンプリング(英: Gaussian Boson Sampling、GBS)は、近年開発された量子コンピューティングのパラダイムであり、線形干渉計を通してガウス状態を送り、各出力モードで光子の数を数える。
システムが対称行列を符号化する場合、GBSはサブグラフをサンプリングするためのツールとして見ることができ、最も多くサンプリングされたものは多数の完全マッチングを持つものである。
この特性は,従来のアルゴリズムを必要とせず,GBSのみに依存するGBSベースのクラスタリングという,我々が本研究で提案する新たなクラスタリング手法の基盤となっている。
GBSベースのクラスタリングは、いくつかのデータセットでテストされ、2つの有名な古典的なクラスタリングアルゴリズムでベンチマークされている。
GBSシミュレーターを用いて得られた結果から,提案手法は3つの指標のうち2つにおいて2つの古典的アルゴリズムよりも優れており,本手法をフル量子クラスタリングオプションとして提案している。
関連論文リスト
- Clustering Based on Density Propagation and Subcluster Merging [92.15924057172195]
本稿では,クラスタ数を自動的に決定し,データ空間とグラフ空間の両方に適用可能な密度に基づくノードクラスタリング手法を提案する。
二つのノード間の距離を計算する従来の密度クラスタリング法とは異なり,提案手法は伝播過程を通じて密度を決定する。
論文 参考訳（メタデータ） (2024-11-04T04:09:36Z) - Biclustering a dataset using photonic quantum computing [0.0]
ビクラスタリングは、機械学習とデータマイニングにおける問題である。
我々は、ボソンやGBSのような量子コンピューティングモデルがこの問題にもたらす自然な関係を強調します。
論文 参考訳（メタデータ） (2024-05-28T22:04:29Z) - Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph
Classification [0.9935277311162707]
2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。
ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。
本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-05T21:24:11Z) - Superclustering by finding statistically significant separable groups of
optimal gaussian clusters [0.0]
本稿では,BIC基準の観点から,最適なデータセットをグループ化することで,データセットをクラスタリングするアルゴリズムを提案する。
このアルゴリズムの重要な利点は、既に訓練済みのクラスタに基づいて、新しいデータの正しいスーパークラスタを予測する能力である。
論文 参考訳（メタデータ） (2023-09-05T23:49:46Z) - Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。
本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文 参考訳（メタデータ） (2023-06-18T08:46:06Z) - Variational Quantum and Quantum-Inspired Clustering [0.0]
本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。
このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
論文 参考訳（メタデータ） (2022-06-20T17:02:19Z) - Practical Quantum K-Means Clustering: Performance Analysis and
Applications in Energy Grid Classification [0.0]
ノイズの多いハードウェアによる落とし穴を回避するために,量子$k$-meansクラスタリングの汎用的で競争的で並列化されたバージョンを提案する。
実世界のドイツの電力グリッドデータを用いて、従来のアルゴリズムのラベル付けに関して、新しい手法は標準量子$k$-meansクラスタリングのバランスの取れた精度を67.8%向上させることを示した。
論文 参考訳（メタデータ） (2021-12-15T22:10:51Z) - Lattice-Based Methods Surpass Sum-of-Squares in Clustering [98.46302040220395]
クラスタリングは教師なし学習における基本的なプリミティブである。
最近の研究は、低次手法のクラスに対する低い境界を確立している。
意外なことに、この特定のクラスタリングモデルのtextitdoesは、統計的-計算的ギャップを示さない。
論文 参考訳（メタデータ） (2021-12-07T18:50:17Z) - Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。
我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文 参考訳（メタデータ） (2020-10-22T15:58:35Z) - Kernel learning approaches for summarising and combining posterior
similarity matrices [68.8204255655161]
我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。
我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
論文 参考訳（メタデータ） (2020-09-27T14:16:14Z) - Clustering Binary Data by Application of Combinatorial Optimization
Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。
近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。
準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文 参考訳（メタデータ） (2020-01-06T23:33:31Z)
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。