論文の概要: Testing of Hybrid Quantum-Classical K-Means for Nonlinear Noise Mitigation

• arxiv url: http://arxiv.org/abs/2308.03540v1
• Date: Mon, 7 Aug 2023 12:38:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 13:42:02.211558
• Title: Testing of Hybrid Quantum-Classical K-Means for Nonlinear Noise Mitigation
• Title（参考訳）: 非線形雑音除去のためのハイブリッド量子古典K平均の試験
• Authors: Ark Modi, Alonso Viladomat Jasso, Roberto Ferrara, Christian Deppe, Janis Noetzel, Fred Fung, Maximilian Schaedler
• Abstract要約: 最寄りクラスタリングは、M$-Quadrature Amplitude Modulation (M-QAM)プロトコルを用いて送信される信号の復号化に自然に適用できる強力なアルゴリズムである。 16-QAMおよび実験64-QAMデータ上での量子古典的なハイブリッド実装の利用をシミュレートして,本アルゴリズムの性能を解析する。
• 参考スコア（独自算出の注目度）: 7.4504332128506405
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nearest-neighbour clustering is a powerful set of heuristic algorithms that find natural application in the decoding of signals transmitted using the $M$-Quadrature Amplitude Modulation (M-QAM) protocol. Lloyd et al. proposed a quantum version of the algorithm that promised an exponential speed-up. We analyse the performance of this algorithm by simulating the use of a hybrid quantum-classical implementation of it upon 16-QAM and experimental 64-QAM data. We then benchmark the implementation against the classical k-means clustering algorithm. The choice of quantum encoding of the classical data plays a significant role in the performance, as it would for the hybrid quantum-classical implementation of any quantum machine learning algorithm. In this work, we use the popular angle embedding method for data embedding and the SWAP test for overlap estimation. The algorithm is emulated in software using Qiskit and tested on simulated and real-world experimental data. The discrepancy in accuracy from the perspective of the induced metric of the angle embedding method is discussed, and a thorough analysis regarding the angle embedding method in the context of distance estimation is provided. We detail an experimental optic fibre setup as well, from which we collect 64-QAM data. This is the dataset upon which the algorithms are benchmarked. Finally, some promising current and future directions for further research are discussed.
• Abstract（参考訳）: 最寄りクラスタリングは、M$-Quadrature Amplitude Modulation (M-QAM)プロトコルを用いて送信される信号の復号化に自然に適用できる強力なヒューリスティックアルゴリズムである。 lloydらは指数関数的なスピードアップを約束するアルゴリズムの量子バージョンを提案した。 16-QAMおよび実験64-QAMデータ上でのハイブリッド量子古典的実装を用いて,本アルゴリズムの性能解析を行った。 次に、従来のk-meansクラスタリングアルゴリズムに対して実装をベンチマークする。 古典的なデータの量子符号化の選択は、あらゆる量子機械学習アルゴリズムのハイブリッド量子古典的な実装と同様に、パフォーマンスにおいて重要な役割を果たす。 本研究では,データ埋め込みに一般的な角度埋め込み法と重なり推定にSWAPテストを用いる。 このアルゴリズムはqiskitを使ってソフトウェアでエミュレートされ、シミュレーションおよび実世界の実験データでテストされる。 角度埋め込み法における誘導メトリックの観点からの精度の差について検討し,距離推定の文脈における角度埋め込み法に関する詳細な解析を行った。 実験用光ファイバー装置についても詳述し,64QAMデータを収集する。 これはアルゴリズムがベンチマークされるデータセットである。 最後に,今後の研究への期待と今後の方向性について述べる。

関連論文リスト

• Quantum Maximum Entropy Inference and Hamiltonian Learning [4.9614587340495]
  この研究は、最大エントロピー推論とグラフィカルモデルの学習のためのアルゴリズムを量子領域に拡張する。 量子反復スケーリング(QIS)として知られる一般化は単純であるが、重要な課題は量子問題インスタンスの非可換性にある。 準ニュートン法によるQISとGDの性能向上について検討する。
  論文  参考訳（メタデータ） (2024-07-16T08:11:34Z)
• ALEXR: An Optimal Single-Loop Algorithm for Convex Finite-Sum Coupled Compositional Stochastic Optimization [53.14532968909759]
  ALEXRと呼ばれる,効率的な単ループプリマルデュアルブロックコーディネートアルゴリズムを提案する。 本研究では, ALEXR の凸面および強凸面の収束速度を滑らか性および非滑らか性条件下で確立する。 本稿では,ALEXRの収束速度が,検討されたcFCCO問題に対する1次ブロック座標アルゴリズムの中で最適であることを示すために,より低い複雑性境界を示す。
  論文  参考訳（メタデータ） (2023-12-04T19:00:07Z)
• Quantum and Quantum-Inspired Stereographic K Nearest-Neighbour Clustering [9.502161131265531]
  量子k平均クラスタリングは、古典的なk平均アルゴリズムの高速化を約束する。 古典データの埋め込みのため、このスピードアップは今のところ提供されていないことが示されている。 本研究は、ブロッホ球面への埋め込みの改善として一般化された逆立体射影を提案する。
  論文  参考訳（メタデータ） (2023-08-07T23:35:55Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Faster variational quantum algorithms with quantum kernel-based surrogate models [0.0]
  本稿では,雑音量子プロセッサ上での小型から中規模の変分アルゴリズムを提案する。 提案手法は,計算負荷をこれらのハイブリッドアルゴリズムの古典的成分にシフトさせ,量子プロセッサへのクエリ数を劇的に削減する。
  論文  参考訳（メタデータ） (2022-11-02T14:11:25Z)
• First-Order Algorithms for Nonlinear Generalized Nash Equilibrium Problems [88.58409977434269]
  非線形一般化ナッシュ均衡問題(NGNEP)における平衡計算の問題を考える。 我々の貢献は、2次ペナルティ法と拡張ラグランジアン法に基づく2つの単純な一階アルゴリズムフレームワークを提供することである。 これらのアルゴリズムに対する漸近的理論的保証を提供する。
  論文  参考訳（メタデータ） (2022-04-07T00:11:05Z)
• Hybrid Quantum-Classical Boson Sampling Algorithm for Molecular Vibrationally Resolved Electronic Spectroscopy with Duschinsky Rotation and Anharmonicity [0.0]
  複素分子の光スペクトルを計算するためのハイブリッド量子古典サンプリングアルゴリズムを提案する。 現実的な分子分光シミュレーションのための短期量子優位性を提案する。
  論文  参考訳（メタデータ） (2022-03-21T07:59:20Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• AIN: Fast and Accurate Sequence Labeling with Approximate Inference Network [75.44925576268052]
  線形鎖条件ランダム場(CRF)モデルは最も広く使われているニューラルネットワークラベリング手法の1つである。 厳密な確率的推論アルゴリズムは典型的にはCRFモデルの訓練と予測段階に適用される。 CRFモデルに対して並列化可能な近似変分推論アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-17T12:18:43Z)

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。