論文の概要: Generating quantum feature maps using multi-objective genetic algorithm
- arxiv url: http://arxiv.org/abs/2309.03307v1
- Date: Tue, 22 Aug 2023 18:35:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-10 03:28:48.586067
- Title: Generating quantum feature maps using multi-objective genetic algorithm
- Title（参考訳）: 多目的遺伝的アルゴリズムを用いた量子特徴マップの生成
- Authors: Haiyan Wang, Allison Bayro, Nao Yamamoto
- Abstract要約: 本稿では,量子化支援ベクトルマシンのための量子特徴写像を効率的に生成するための新しい手法を提案する。
本手法では,分類精度を同時に最大化する多目的遺伝的アルゴリズムを用いる。
我々の発見は、量子機械学習アルゴリズムの効率性と精度を高めるための貴重なガイダンスを提供する。
- 参考スコア（独自算出の注目度）: 3.128047782624022
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a novel approach for efficiently generating quantum feature maps
for quantum-enhanced support vector machines, a kernel-based classifier,
enabling access to high-dimensional Hilbert space. Our method employs a
multi-objective genetic algorithm that simultaneously maximizes classification
accuracy while minimizing both the local and non-local gate costs of the
quantum feature map's circuit. To achieve this, we define distinct fitness
functions for local gates and entanglement gates. Comparisons with classical
classifiers are given in order to understand the advantages of using quantum
machine learning. Surprisingly, our experiments reveal that the optimal
configuration of quantum circuits for the quantum kernel method incorporates a
proportional number of non-local gates for entanglement, contrary to previous
literature where non-local gates were largely suppressed.
Furthermore, we demonstrate that the separability indexes of data can be
effectively leveraged to determine the number of non-local gates required for
the quantum support vector machine's feature maps. This insight can
significantly aid in selecting appropriate parameters, such as the entanglement
parameter, in various quantum programming packages like quiskit.org based on
data analysis. Our findings offer valuable guidance for enhancing the
efficiency and accuracy of quantum machine learning algorithms.
- Abstract（参考訳）: 本稿では,高次元ヒルベルト空間へのアクセスを可能にする,量子化支援ベクトルマシンの量子特徴写像を効率的に生成するための新しい手法を提案する。
本手法は,量子特徴マップ回路の局所的および非局所的ゲートコストを最小化しつつ,分類精度を最大化する多目的遺伝的アルゴリズムを用いる。
これを達成するために,局所ゲートと絡み合いゲートの異なる適合関数を定義する。
量子機械学習の利点を理解するために古典的分類器との比較を行う。
驚くべきことに、量子カーネル法における量子回路の最適構成は、非局所ゲートが大々的に抑制された以前の文献とは対照的に、絡み合いのために非局所ゲートの比例数を取り入れている。
さらに,量子サポートベクトルマシンの機能マップに必要な非局所ゲート数を決定するために,データの分離性指標を効果的に活用できることを実証する。
この洞察は、データ分析に基づいたquiskit.orgのような様々な量子プログラミングパッケージにおいて、絡み合いパラメータのような適切なパラメータを選択するのに大いに役立つ。
本研究は,量子機械学習アルゴリズムの効率と精度を向上させる上で有用なガイダンスを提供する。
関連論文リスト
- The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - YAQQ: Yet Another Quantum Quantizer -- Design Space Exploration of Quantum Gate Sets using Novelty Search [0.9932551365711049]
本稿では,量子処理ユニットと制御プロトコルのネイティブゲートに基づく比較解析を行うソフトウェアツールを提案する。
開発されたソフトウェアYAQQ(Yet Another Quantum Quantizer)は、最適化された量子ゲートセットの発見を可能にする。
論文 参考訳（メタデータ） (2024-06-25T14:55:35Z) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - Monte Carlo Graph Search for Quantum Circuit Optimization [26.114550071165628]
本研究はモンテカルログラフ探索に基づく量子アーキテクチャ探索アルゴリズムと重要サンプリングの尺度を提案する。
これは、離散ゲートと連続変数を含むゲートの両方に対して、ゲートオーダーの最適化に適用できる。
論文 参考訳（メタデータ） (2023-07-14T14:01:25Z) - Variational Quantum Kernels with Task-Specific Quantum Metric Learning [0.8722210937404288]
カーネル法は、より高次元(おそらく無限)な特徴空間における点間の類似性の概念に依存している。
最適な量子埋め込みを生成するために,変分量子カーネルとタスク固有量子量子学習について論じる。
論文 参考訳（メタデータ） (2022-11-08T18:36:25Z) - An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。
この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
論文 参考訳（メタデータ） (2022-05-11T12:10:52Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳（メタデータ） (2022-04-26T09:52:02Z) - Optimal quantum kernels for small data classification [0.0]
本稿では,量子ゲートシーケンスをデータに適応させるベクトルマシンをサポートするために,量子カーネルを構築するアルゴリズムを示す。
少数のトレーニングポイントを持つ分類問題に対する結果の量子モデルの性能は、最適化された古典モデルよりも著しく高い。
論文 参考訳（メタデータ） (2022-03-25T18:26:44Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳（メタデータ） (2021-08-30T23:50:05Z) - Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。
我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文 参考訳（メタデータ） (2021-03-31T02:41:36Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳（メタデータ） (2020-07-21T15:36:25Z)
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。