論文の概要: Training Quantum Boltzmann Machines with Coresets

• arxiv url: http://arxiv.org/abs/2307.14459v1
• Date: Wed, 26 Jul 2023 19:00:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-28 16:50:04.906048
• Title: Training Quantum Boltzmann Machines with Coresets
• Title（参考訳）: コアセットを用いた量子ボルツマンマシンのトレーニング
• Authors: Joshua Viszlai, Teague Tomesh, Pranav Gokhale, Eric Anschuetz, Frederic T. Chong
• Abstract要約: これらのアイデアを、Gibs状態サンプリングを必要とする勾配ベースのステップである量子ボルツマンマシン(QBM)に適用する。 完全なデータセットの代わりにコアセットを使用することで、必要なステップの数を最小化し、全体的なトレーニング時間を短縮しようとします。 本手法は,36個の可視ユニットと8個の隠蔽ユニットを持つQBMを用いて,拡張バーからの6x6バイナリ画像に対して評価を行った。
• 参考スコア（独自算出の注目度）: 3.119217823032581
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work has proposed and explored using coreset techniques for quantum algorithms that operate on classical data sets to accelerate the applicability of these algorithms on near-term quantum devices. We apply these ideas to Quantum Boltzmann Machines (QBM) where gradient-based steps which require Gibbs state sampling are the main computational bottleneck during training. By using a coreset in place of the full data set, we try to minimize the number of steps needed and accelerate the overall training time. In a regime where computational time on quantum computers is a precious resource, we propose this might lead to substantial practical savings. We evaluate this approach on 6x6 binary images from an augmented bars and stripes data set using a QBM with 36 visible units and 8 hidden units. Using an Inception score inspired metric, we compare QBM training times with and without using coresets.
• Abstract（参考訳）: 最近の研究は、これらのアルゴリズムの短期量子デバイスへの適用性を高めるために、古典的なデータセットで動作する量子アルゴリズムのコアセット技術を用いて、研究されている。 これらのアイデアを量子ボルツマンマシン(QBM)に適用し、ギブス状態サンプリングを必要とする勾配に基づくステップがトレーニングにおける主な計算ボトルネックとなる。 データセット全体の代わりにcoresetを使用することで、必要なステップの数を最小化し、トレーニング時間を短縮します。 量子コンピュータの計算時間が重要な資源である体制では、このことが現実的な節約につながる可能性がある。 本手法は,36個の可視ユニットと8個の隠蔽ユニットを持つQBMを用いて,拡張バーからの6x6バイナリ画像に対して評価を行った。 インセプションスコアにインスパイアされたメトリクスを用いて、コアセットの使用の有無とQBMトレーニング時間を比較する。

関連論文リスト

• ISQuant: apply squant to the real deployment [0.0]
  量子化と復号化の組み合わせがモデルトレーニングに使われている理由を分析する。 8ビットモデルをデプロイするためのソリューションとしてISQuantを提案する。
  論文  参考訳（メタデータ） (2024-07-05T15:10:05Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Shuttling for Scalable Trapped-Ion Quantum Computers [2.8956730787977083]
  トラップイオン量子コンピュータの効率的なシャットリングスケジュールを提案する。 提案手法は、最小限の時間ステップでシャットリングスケジュールを生成する。 提案されたアプローチの実装は、オープンソースのミュンヘン量子ツールキットの一部として公開されている。
  論文  参考訳（メタデータ） (2024-02-21T19:00:04Z)
• 3D-QAE: Fully Quantum Auto-Encoding of 3D Point Clouds [71.39129855825402]
  既存の3D表現の学習方法は、古典的なハードウェアでトレーニングされ、テストされるディープニューラルネットワークである。 本稿では3次元点雲のための最初の量子オートエンコーダを紹介する。
  論文  参考訳（メタデータ） (2023-11-09T18:58:33Z)
• Learning To Optimize Quantum Neural Network Without Gradients [3.9848482919377006]
  本稿では,量子回路のパラメータを出力するために,Emphmeta-Optimizerネットワークをトレーニングする新しいメタ最適化アルゴリズムを提案する。 我々は,従来の勾配に基づくアルゴリズムよりも回路評価が少ない場合に,より高品質な最小値が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-15T01:09:12Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• 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)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Quantum Semi-Supervised Kernel Learning [4.726777092009554]
  本稿では,セミスーパービジョンカーネル支援ベクトルマシンを学習するための量子機械学習アルゴリズムを提案する。 完全教師付き量子LS-SVMと同じスピードアップを維持していることを示す。
  論文  参考訳（メタデータ） (2022-04-22T13:39:55Z)
• Classical Shadows for Quantum Process Tomography on Near-term Quantum Computers [0.9208007322096533]
  量子プロセストモグラフィーは、量子チャネルを理解し、量子デバイスの特性を特徴づける強力なツールである。 我々は,量子プロセストモグラフィーのための古典的シャドウ手法であるShadowQPTを開発した。 我々は、IonQトラップイオン量子コンピュータ上で、PauliとCliffordの測定値を用いてShadowQPTを実装した。
  論文  参考訳（メタデータ） (2021-10-06T18:00:01Z)
• Time-Sliced Quantum Circuit Partitioning for Modular Architectures [67.85032071273537]
  現在の量子コンピュータの設計はスケールしない。 小さなプロトタイプを超えてスケールするために、量子アーキテクチャーは、密に連結された量子ビットとクラスタ間のスパーサ接続のクラスタによるモジュラーアプローチを採用する可能性が高い。 このクラスタリングと静的に知られた量子プログラムの制御フローを利用して、量子回路を一度に一度にモジュラ物理マシンにマップするトラクタブルパーティショニングを生成する。
  論文  参考訳（メタデータ） (2020-05-25T17:58:44Z)

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。