論文の概要: Provable advantages of kernel-based quantum learners and quantum
preprocessing based on Grover's algorithm
- arxiv url: http://arxiv.org/abs/2309.14406v1
- Date: Mon, 25 Sep 2023 18:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 16:23:26.026644
- Title: Provable advantages of kernel-based quantum learners and quantum
preprocessing based on Grover's algorithm
- Title(参考訳): カーネルベースの量子学習とGroverアルゴリズムに基づく量子前処理の利点
- Authors: Till Muser, Elias Zapusek, Vasilis Belis, Florentin Reiter
- Abstract要約: サポートベクタマシンのカーネルにおいて,Groverのアルゴリズムを利用した高速化を実現する。
また、前処理ステップにおける量子計算と古典的な分類法を組み合わせることにより、分類性能がさらに向上することを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is an ongoing effort to find quantum speedups for learning problems.
Recently, [Y. Liu et al., Nat. Phys. $\textbf{17}$, 1013--1017 (2021)] have
proven an exponential speedup for quantum support vector machines by leveraging
the speedup of Shor's algorithm. We expand upon this result and identify a
speedup utilizing Grover's algorithm in the kernel of a support vector machine.
To show the practicality of the kernel structure we apply it to a problem
related to pattern matching, providing a practical yet provable advantage.
Moreover, we show that combining quantum computation in a preprocessing step
with classical methods for classification further improves classifier
performance.
- Abstract(参考訳): 学習問題の量子スピードアップを見つけるための努力が進行中である。
最近[Y]。
Liu et al., Nat.
Phys
$\textbf{17}$, 1013--1017 (2021)] は、ショアのアルゴリズムの高速化を利用して量子支援ベクトルマシンの指数的高速化を証明した。
我々はこの結果を拡張し,サポートベクターマシンのカーネル内でgroverのアルゴリズムを利用した速度アップを同定する。
カーネル構造の実用性を示すために、パターンマッチングに関連する問題に適用し、実用的かつ証明可能な利点を提供する。
さらに,前処理段階における量子計算と古典的な分類法を組み合わせることにより,分類器の性能が向上することを示す。
関連論文リスト
- Quantum Machine Learning: Quantum Kernel Methods [0.0]
カーネルメソッドは古典的な機械学習において強力で一般的なテクニックである。
量子コンピュータ上でしか効率的に計算できない量子特徴空間を使用することで、量子上の優位性を導出することができる。
データ依存型投影量子カーネルは、古典的カーネルに対して大きな利点をもたらすことが示されている。
論文 参考訳(メタデータ) (2024-05-02T23:45:29Z) - Utilizing Quantum Processor for the Analysis of Strongly Correlated Materials [34.63047229430798]
本研究では,従来の量子クラスター法を量子回路モデルに適用することにより,強い相関関係を解析するための体系的アプローチを提案する。
我々は、クラスタのグリーン関数を計算するためのより簡潔な公式を開発し、複雑な演算ではなく、量子回路上の実数計算のみを必要とする。
論文 参考訳(メタデータ) (2024-04-03T06:53:48Z) - 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) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Quantum speedup of leverage score sampling and its application [0.0]
本稿では,レバレッジスコアの計算を高速化する量子アルゴリズムを提案する。
応用として,ベクトル解出力を用いた剛性回帰問題に対する新しい量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-01-15T14:40:18Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳(メタデータ) (2022-05-26T20:32:36Z) - Importance of Kernel Bandwidth in Quantum Machine Learning [3.528111249547925]
量子カーネルの帯域幅を最適化することで,ランダムな推定から古典的手法との競合まで,カーネル手法の性能が向上することを示す。
我々は負の結果を再現し、複数の量子カーネルと古典的データセットを用いた広範な数値実験により、カーネルの帯域幅が最適化された場合、代わりに量子ビット数の増加により性能が向上することを示す。
論文 参考訳(メタデータ) (2021-11-09T23:23:23Z) - Quantum Alphatron: quantum advantage for learning with kernels and noise [2.94944680995069]
我々は、フォールトトレラントな設定でAlphatronの量子バージョンを提供する。
2層ニューラルネットワークの学習における量子優位性について論じる。
論文 参考訳(メタデータ) (2021-08-26T09:36:20Z) - Quantum Compiling by Deep Reinforcement Learning [30.189226681406392]
回路量子コンピュータのアーキテクチャは、高レベルな量子アルゴリズムを量子ゲートの低レベルな回路にコンパイルするための層を必要とする。
量子コンパイルの一般的な問題は、量子計算を記述する任意のユニタリ変換を、普遍的な量子ゲートの有限基底から選択された要素の列として近似することである。
我々は,探索時間と搾取時間とのトレードオフが著しく異なる,より深い強化学習手法を代替戦略として活用する。
論文 参考訳(メタデータ) (2021-05-31T15:32:15Z) - Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator [0.0]
本稿では,量子ユークリッド推定アルゴリズムを用いた効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。
提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。
論文 参考訳(メタデータ) (2020-12-21T06:38:20Z)
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。