論文の概要: Encoding optimization for quantum machine learning demonstrated on a superconducting transmon qutrit

• arxiv url: http://arxiv.org/abs/2309.13036v1
• Date: Fri, 22 Sep 2023 17:53:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 13:29:24.214659
• Title: Encoding optimization for quantum machine learning demonstrated on a superconducting transmon qutrit
• Title（参考訳）: 超伝導トランスモン量子ドット上での量子機械学習の符号化最適化
• Authors: Shuxiang Cao, Weixi Zhang, Jules Tilly, Abhishek Agarwal, Mustafa Bakr, Giulio Campanaro, Simone D Fasciati, James Wills, Boris Shteynas, Vivek Chidambaram, Peter Leek and Ivan Rungger
• Abstract要約: 3レベル量子系は、通常使用される2レベル量子ビットよりも少ない成分を必要とするという利点がある。 本研究は,機械学習の分類応用における量子パラメトリック回路の可能性について検討する。
• 参考スコア（独自算出の注目度）: 1.6460874590065597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Qutrits, three-level quantum systems, have the advantage of potentially requiring fewer components than the typically used two-level qubits to construct equivalent quantum circuits. This work investigates the potential of qutrit parametric circuits in machine learning classification applications. We propose and evaluate different data-encoding schemes for qutrits, and find that the classification accuracy varies significantly depending on the used encoding. We therefore propose a training method for encoding optimization that allows to consistently achieve high classification accuracy. Our theoretical analysis and numerical simulations indicate that the qutrit classifier can achieve high classification accuracy using fewer components than a comparable qubit system. We showcase the qutrit classification using the optimized encoding method on superconducting transmon qutrits, demonstrating the practicality of the proposed method on noisy hardware. Our work demonstrates high-precision ternary classification using fewer circuit elements, establishing qutrit parametric quantum circuits as a viable and efficient tool for quantum machine learning applications.
• Abstract（参考訳）: 3レベル量子システムであるクトリットは、等価量子回路を構築するのに通常使用される2レベル量子ビットよりも少ない成分を必要とする可能性があるという利点がある。 本研究は,機械学習の分類応用における量子パラメトリック回路の可能性について検討する。 本研究では,クトリットに対して異なるデータエンコーディング方式を提案し評価し,使用するエンコーディングによって分類精度が著しく異なることを見出した。 そこで我々は,高い分類精度を一貫して達成できる符号化最適化のトレーニング手法を提案する。 理論的解析と数値シミュレーションにより, 量子ビットシステムよりも少ない成分を用いて高い分類精度が得られることを示す。 提案手法の実用性を示すため, 超電導トランスモンクトリット上での最適化符号化法を用いてクトリットの分類を行い, 提案手法の実用性を示す。 本研究は、より少ない回路要素を用いた高精度3次分類を実証し、量子機械学習応用のための実用的で効率的なツールとしてクォートパラメトリック量子回路を確立する。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Data re-uploading with a single qudit [1.0923877073891446]
  2段階の量子システム、すなわち量子ビットは、ほとんどの量子機械学習のアプローチの基礎となる。 量子機械学習のコンテキストにおけるマルチレベル量子システム、いわゆるクイディットの機能について検討する。
  論文  参考訳（メタデータ） (2023-02-27T16:32:16Z)
• Ensemble-learning variational shallow-circuit quantum classifiers [4.104704267247209]
  本稿では,ブートストラップ集約と適応的ブースティングという,アンサンブル学習の2つの手法を提案する。 これらのプロトコルは古典的な手書き数字や対称性で保護されたトポロジカルハミルトニアンの量子位相の識別のために例示されている。
  論文  参考訳（メタデータ） (2023-01-30T07:26:35Z)
• Quantum algorithm for neural network enhanced multi-class parallel classification [0.3314882635954752]
  提案アルゴリズムは,高い分類精度,高速収束,表現能力を有する。 L$クラスの分類タスクでは、量子回路の空間と時間の複雑さはそれぞれ$O(L*logL)$と$O(logL)$である。
  論文  参考訳（メタデータ） (2022-03-08T14:06:13Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)
• Robust quantum classifier with minimal overhead [0.8057006406834467]
  カーネル法に基づくバイナリ分類のためのいくつかの量子アルゴリズムが提案されている。 これらのアルゴリズムは期待値を推定することに依存しており、高額な量子データ符号化手順を何度も繰り返す必要がある。 カーネルベースのバイナリ分類は,データの数や寸法に関わらず,単一キュービットで行うことができることを示す。
  論文  参考訳（メタデータ） (2021-04-16T14:51:00Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)

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。