論文の概要: Several fitness functions and entanglement gates in quantum kernel
generation
- arxiv url: http://arxiv.org/abs/2309.03307v3
- Date: Sun, 19 Nov 2023 12:36:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 18:10:20.817650
- Title: Several fitness functions and entanglement gates in quantum kernel
generation
- Title（参考訳）: 量子カーネル生成におけるいくつかの適合関数と絡み合いゲート
- Authors: Haiyan Wang
- Abstract要約: 量子力学の基本的な概念である絡み合いは、量子コンピューティングにおいて中心的な役割を果たす。
多目的遺伝的アルゴリズムを用いて量子カーネル特徴写像における絡み合いゲートの最適個数について検討する。
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）: 3.6953740776904924
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum machine learning (QML) represents a promising frontier in the quantum
technologies. In this pursuit of quantum advantage, the quantum kernel method
for support vector machine has emerged as a powerful approach. Entanglement, a
fundamental concept in quantum mechanics, assumes a central role in quantum
computing. In this paper, we investigate the optimal number of entanglement
gates in the quantum kernel feature maps by a multi-objective genetic
algorithm. We distinct the fitness functions of genetic algorithm for non-local
gates for entanglement and local gates to gain insights into the benefits of
employing entanglement gates. 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. The result complements
the prior literature on quantum kernel generation where non-local gates were
largely suppressed. Furthermore, we demonstrate that the separability indexes
of data can be leveraged to estimate the number of non-local gates required for
the quantum support vector machine's feature maps. This insight can be helpful
in selecting appropriate parameters, such as the entanglement parameter, in
various quantum programming packages like https://qiskit.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）: 量子機械学習(QML)は、量子技術における有望なフロンティアである。
量子アドバンテージの追求において、サポートベクトルマシンのための量子カーネル法が強力なアプローチとして登場した。
量子力学の基本的な概念である絡み合いは、量子コンピューティングにおいて中心的な役割を果たす。
本稿では,多目的遺伝的アルゴリズムを用いて,量子カーネル特徴写像におけるエンタングルメントゲートの最適個数について検討する。
我々は,非局所ゲートと局所ゲートの遺伝的アルゴリズムの適合機能を明確にし,エンタングルメントゲートを用いる利点について考察した。
実験により,量子カーネル法における量子回路の最適構成は,絡み合うための非局所ゲートの数に比例することがわかった。
この結果は、非局所ゲートが主に抑制された量子カーネル生成に関する以前の文献を補完する。
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推定するために,データの分離性指標を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https://qiskit.org/のような様々な量子プログラミングパッケージで、絡み合いパラメータなどの適切なパラメータを選択するのに役立つ。
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
- 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) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - 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。