論文の概要: Effect of alternating layered ansatzes on trainability of projected quantum kernel

• arxiv url: http://arxiv.org/abs/2310.00361v1
• Date: Sat, 30 Sep 2023 12:32:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 04:51:20.677490
• Title: Effect of alternating layered ansatzes on trainability of projected quantum kernel
• Title（参考訳）: 射影量子核のトレーニング性に及ぼす交互層状アンサーゼの影響
• Authors: Yudai Suzuki, Muyuan Li
• Abstract要約: 我々は, 層状アンサーゼを交互に配置した投影量子カーネルにおいて, 消滅する類似性問題について解析的, 数値解析的に検討した。 回路の深さ, 局所的なユニタリブロックの大きさ, 初期状態に依存することが判明し, 浅い交互層状アンサーゼを用いた場合, この問題は回避可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum kernel methods have been actively examined from both theoretical and practical perspectives due to the potential of quantum advantage in machine learning tasks. Despite a provable advantage of fine-tuned quantum kernels for specific problems, widespread practical usage of quantum kernel methods requires resolving the so-called vanishing similarity issue, where exponentially vanishing variance of the quantum kernels causes implementation infeasibility and trainability problems. In this work, we analytically and numerically investigate the vanishing similarity issue in projected quantum kernels with alternating layered ansatzes. We find that variance depends on circuit depth, size of local unitary blocks and initial state, indicating the issue is avoidable if shallow alternating layered ansatzes are used and initial state is not highly entangled. Our work provides some insights into design principles of projected quantum kernels and implies the need for caution when using highly entangled states as input to quantum kernel-based learning models.
• Abstract（参考訳）: 量子カーネル法は、機械学習タスクにおける量子優位性の可能性のため、理論的および実践的な観点から積極的に検討されている。 特定の問題に対する微調整量子カーネルの証明可能な利点にもかかわらず、量子カーネル法を広く実用化するには、いわゆる消滅する類似性の問題を解決する必要がある。 本研究では,交互に層状アンサtzeを持つ投影量子カーネルにおける消滅する類似性の問題について解析的および数値的に検討する。 回路の深さ, 局所的なユニタリブロックの大きさ, 初期状態に依存することが判明し, 浅い交互層状アンサーゼを用い, 初期状態が強く絡み合っていない場合, 問題は回避可能であることを示す。 我々の研究は、投影量子カーネルの設計原理に関する洞察を提供し、量子カーネルベースの学習モデルへの入力として高度に絡み合った状態を使用する場合の注意の必要性を示唆する。

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)
• In Search of Quantum Advantage: Estimating the Number of Shots in Quantum Kernel Methods [30.565491081930997]
  本稿では,カーネル値の所望の精度を推定する手法を開発し,回路実行回数に変換する。 我々は、量子カーネル法は、機械学習のパフォーマンスの観点からだけでなく、リソース消費の文脈からも考慮すべきである、と強調する。
  論文  参考訳（メタデータ） (2024-07-22T16:29:35Z)
• Phase-space negativity as a computational resource for quantum kernel methods [2.5499055723658097]
  量子カーネル法は、機械学習において量子計算の優位性を達成するための提案である。 ボゾン系に対する量子核関数の最適古典的推定に十分な条件を提供する。 本研究は, 量子機械学習において, 位相空間準確率分布における負性の役割を担っている。
  論文  参考訳（メタデータ） (2024-05-20T21:18:53Z)
• 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)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• 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)
• 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)
• Quantum tangent kernel [0.8921166277011345]
  本研究では,パラメータ化量子回路を用いた量子機械学習モデルについて検討する。 深層量子回路のパラメータは、トレーニング中に初期値からあまり移動しないことがわかった。 このような深い変動量子機械学習は、別の創発的カーネルである量子タンジェントカーネルによって記述することができる。
  論文  参考訳（メタデータ） (2021-11-04T15:38:52Z)

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。