論文の概要: Testing of Hybrid Quantum-Classical K-Means for Nonlinear Noise
Mitigation
- arxiv url: http://arxiv.org/abs/2308.03540v2
- Date: Mon, 25 Sep 2023 10:57:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 01:29:18.839010
- 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: Alonso Viladomat Jasso, Ark Modi, Roberto Ferrara, Christian Deppe,
Janis Noetzel, Fred Fung, Maximilian Schaedler
- Abstract要約: 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。
現在、古典データの埋め込みのため、このスピードアップは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。
- 参考スコア（独自算出の注目度）: 9.502161131265531
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nearest-neighbour clustering is a simple yet powerful machine learning
algorithm that finds natural application in the decoding of signals in
classical optical-fibre communication systems. Quantum k-means clustering
promises a speed-up over the classical k-means algorithm; however, it has been
shown to currently not provide this speed-up for decoding optical-fibre signals
due to the embedding of classical data, which introduces inaccuracies and
slowdowns. Although still not achieving an exponential speed-up for NISQ
implementations, this work proposes the generalised inverse stereographic
projection as an improved embedding into the Bloch sphere for quantum distance
estimation in k-nearest-neighbour clustering, which allows us to get closer to
the classical performance. We also use the generalised inverse stereographic
projection to develop an analogous classical clustering algorithm and benchmark
its accuracy, runtime and convergence for decoding real-world experimental
optical-fibre communication data. This proposed `quantum-inspired' algorithm
provides an improvement in both the accuracy and convergence rate with respect
to the k-means algorithm. Hence, this work presents two main contributions.
Firstly, we propose the general inverse stereographic projection into the Bloch
sphere as a better embedding for quantum machine learning algorithms; here, we
use the problem of clustering quadrature amplitude modulated optical-fibre
signals as an example. Secondly, as a purely classical contribution inspired by
the first contribution, we propose and benchmark the use of the general inverse
stereographic projection and spherical centroid for clustering optical-fibre
signals, showing that optimizing the radius yields a consistent improvement in
accuracy and convergence rate.
- Abstract（参考訳）: 近距離クラスタリングは、古典的な光ファイバー通信システムにおける信号の復号化に自然に応用できる、シンプルで強力な機械学習アルゴリズムである。
量子k平均クラスタリングは古典的k平均アルゴリズムの高速化を約束するが、古典的データの埋め込みによる光ファイバー信号の復号化には、不正確さと減速をもたらすため、今のところこのスピードアップは提供されていない。
nisq実装の指数関数的高速化はまだ達成されていないが、本研究では、k-nearest-neighbourクラスタリングにおける量子距離推定のための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。
また, 一般化逆ステレオ投影法を用いて, 類似の古典的クラスタリングアルゴリズムを開発し, 実世界実験光ファイバー通信データの復号化のための精度, 実行時間, 収束度をベンチマークする。
提案した量子インスパイアされたアルゴリズムは、k-meansアルゴリズムに対する精度と収束率の両方を改善する。
そのため、本作品は2つの主な貢献をしている。
まず,2次振幅変調光ファイバー信号をクラスタリングする問題を例に挙げ,Bloch球への一般逆ステレオ画像投影を量子機械学習アルゴリズムのより良い埋め込みとして提案する。
第2に,第1の貢献に触発された純粋に古典的な貢献として,光ファイバー信号のクラスタリングに一般的な逆ステレオ投影法と球面遠心法を用いることを提案し,その評価を行い,半径の最適化が精度と収束率の一貫した改善をもたらすことを示した。
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。