論文の概要: Variational Quantum Linear Solver enhanced Quantum Support Vector
Machine
- arxiv url: http://arxiv.org/abs/2309.07770v1
- Date: Thu, 14 Sep 2023 14:59:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-15 12:45:44.493373
- Title: Variational Quantum Linear Solver enhanced Quantum Support Vector
Machine
- Title（参考訳）: 変分量子線形解法の拡張量子支持ベクトルマシン
- Authors: Jianming Yi, Kalyani Suresh, Ali Moghiseh, Norbert Wehn
- Abstract要約: 本稿では,変分量子線形解法(VQLS)拡張QSVMを提案する。
NISQ デバイス上での最小二乗SVM の線形方程式系を解くために、変分量子線形解法を利用するという考え方に基づいている。
提案手法の実装は,Irisデータセットを用いた広範囲な数値実験により評価される。
- 参考スコア（独自算出の注目度）: 3.206157921187139
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Quantum Support Vector Machines (QSVM) play a vital role in using quantum
resources for supervised machine learning tasks, such as classification.
However, current methods are strongly limited in terms of scalability on Noisy
Intermediate Scale Quantum (NISQ) devices. In this work, we propose a novel
approach called the Variational Quantum Linear Solver (VQLS) enhanced QSVM.
This is built upon our idea of utilizing the variational quantum linear solver
to solve system of linear equations of a least squares-SVM on a NISQ device.
The implementation of our approach is evaluated by an extensive series of
numerical experiments with the Iris dataset, which consists of three distinct
iris plant species. Based on this, we explore the practicality and
effectiveness of our algorithm by constructing a classifier capable of
classification in a feature space ranging from one to seven dimensions.
Furthermore, by strategically exploiting both classical and quantum computing
for various subroutines of our algorithm, we effectively mitigate practical
challenges associated with the implementation. These include significant
improvement in the trainability of the variational ansatz and notable
reductions in run-time for cost calculations. Based on the numerical
experiments, our approach exhibits the capability of identifying a separating
hyperplane in an 8-dimensional feature space. Moreover, it consistently
demonstrated strong performance across various instances with the same dataset.
- Abstract（参考訳）: 量子サポートベクトルマシン(QSVM)は、分類などの教師付き機械学習タスクに量子リソースを使用する上で重要な役割を果たす。
しかし、現在の手法は、ノイズ中間スケール量子(NISQ)デバイス上でのスケーラビリティに強く制限されている。
本稿では,変分量子線形ソルバー(VQLS)拡張QSVMという新しい手法を提案する。
これはnisqデバイス上で最小二乗svmの線形方程式系を解くために変分量子線形解法を利用するという考え方に基づいている。
本手法の実装は,3種の異なるiris植物種からなるirisデータセットを用いた広範囲な数値実験によって評価された。
そこで本研究では,特徴空間を1次元から7次元に分類可能な分類器を構築することにより,アルゴリズムの実用性と有効性を検討する。
さらに,アルゴリズムの様々なサブルーチンに対して,古典計算と量子計算の両方を戦略的に活用することにより,実装に伴う実用上の課題を効果的に軽減する。
これらには、変量アンサッツのトレーニング可能性の大幅な改善と、コスト計算における実行時間の顕著な削減が含まれている。
数値実験により,8次元特徴空間において分離超平面を同定する能力を示す。
さらに、同じデータセットを持つさまざまなインスタンスに対して、一貫して強力なパフォーマンスを示している。
関連論文リスト
- Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-26T18:23:21Z) - Quantum Computing for Solid Mechanics and Structural Engineering -- a
Demonstration with Variational Quantum Eigensolver [3.8061090528695534]
変分量子アルゴリズムは、コスト関数を効率的に最適化するために重ね合わせと絡み合いの特徴を利用する。
我々は,IBM Qiskit プラットフォーム上で 5-qubit および 7-qubit 量子プロセッサ上での数値処理を実装し,実演する。
論文 参考訳（メタデータ） (2023-08-28T17:52:47Z) - Scalable Quantum Computation of Highly Excited Eigenstates with Spectral
Transforms [0.76146285961466]
我々はHHLアルゴリズムを用いて、物理的ハミルトニアンの内部固有状態を変動的かつ標的的に生成する。
これは量子コンピュータ上の逆ハミルトニアンの期待値の効率的な計算によって実現される。
本稿では, フォールトトレラント, 短期量子コンピュータにおけるこの方式の実装について詳述する。
論文 参考訳（メタデータ） (2023-02-13T19:01:02Z) - Variational Quantum Approximate Support Vector Machine With Inference
Transfer [0.8057006406834467]
複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。
サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。
虹彩データ分類の精度は98.8%に達した。
論文 参考訳（メタデータ） (2022-06-29T09:56:59Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳（メタデータ） (2021-07-08T17:59:55Z) - Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。
本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文 参考訳（メタデータ） (2021-04-30T21:34:11Z) - Efficient Discrete Feature Encoding for Variational Quantum Classifier [3.7576442570677253]
変分量子分類(VQC)は、量子的に有利な方法の一つである。
本稿では,量子ランダムアクセス符号化(QRAC)を用いて,離散的特徴をVQCの量子ビット数に効率的にマッピングする手法を提案する。
QRACがVQCのトレーニングを高速化するためには,マッピングのキュービット数を節約することで,パラメータを削減できることを実験的に示す。
論文 参考訳（メタデータ） (2020-05-29T04:43:14Z) - QEML (Quantum Enhanced Machine Learning): Using Quantum Computing to
Enhance ML Classifiers and Feature Spaces [0.49841205356595936]
機械学習と量子コンピューティングは、特定のアルゴリズムのパフォーマンスと振る舞いにパラダイムシフトを引き起こしている。
本稿ではまず,量子的特徴空間の実装に関する数学的直観について述べる。
従来のKNNの分類手法を模倣した雑音変動量子回路KNNを構築した。
論文 参考訳（メタデータ） (2020-02-22T04:14:32Z)
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。