論文の概要: Certainty In, Certainty Out: REVQCs for Quantum Machine Learning
- arxiv url: http://arxiv.org/abs/2310.10629v1
- Date: Mon, 16 Oct 2023 17:53:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 12:29:22.812658
- Title: Certainty In, Certainty Out: REVQCs for Quantum Machine Learning
- Title(参考訳): Certainty In, Certainty Out: 量子機械学習のためのREVQC
- Authors: Hannah Helgesen, Michael Felsberg, Jan-{\AA}ke Larsson
- Abstract要約: 高精度かつ高精度なサンプル推測が可能な統計理論について論じる。
本稿では,このトレーニング手法の有効性を,いくつかの有効な変分量子回路を用いて評価する。
- 参考スコア(独自算出の注目度): 15.908051575681458
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of Quantum Machine Learning (QML) has emerged recently in the hopes
of finding new machine learning protocols or exponential speedups for classical
ones. Apart from problems with vanishing gradients and efficient encoding
methods, these speedups are hard to find because the sampling nature of quantum
computers promotes either simulating computations classically or running them
many times on quantum computers in order to use approximate expectation values
in gradient calculations. In this paper, we make a case for setting high
single-sample accuracy as a primary goal. We discuss the statistical theory
which enables highly accurate and precise sample inference, and propose a
method of reversed training towards this end. We show the effectiveness of this
training method by assessing several effective variational quantum circuits
(VQCs), trained in both the standard and reversed directions, on random binary
subsets of the MNIST and MNIST Fashion datasets, on which our method provides
an increase of $10-15\%$ in single-sample inference accuracy.
- Abstract(参考訳): 量子機械学習(QML)の分野は、最近、新しい機械学習プロトコルや古典的な機械学習の指数的なスピードアップを見つけるために現れた。
量子コンピュータのサンプリング特性は、勾配計算における近似期待値を使用するために、古典的な計算をシミュレートするか、あるいは量子コンピュータ上で何度も実行するかのどちらかを促進するため、これらの高速化は見つからない。
本稿では,1つのサンプル精度を第一目標として設定する。
本稿では,高精度かつ高精度なサンプル推論を可能にする統計理論を考察し,この目的に向けて逆トレーニング手法を提案する。
本手法は,mnist と mnist のファッションデータセットのランダムな二分部分集合に対して,標準方向と逆方向の両方で訓練された複数の有効な変分量子回路(vqcs)を評価することにより,本手法の有効性を示す。
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) - Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。
我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。
以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文 参考訳(メタデータ) (2023-06-09T09:42:21Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Copula-based Risk Aggregation with Trapped Ion Quantum Computers [1.541403735141431]
コプラは、合同確率分布をモデル化するための数学的ツールである。
コプラを最大絡み合った量子状態として表現できることの最近の発見は、実用的な量子優位性に対する有望なアプローチを明らかにしている。
シミュレータと最先端のイオン量子コンピュータ上での回路設計と精度の異なるQCBMのトレーニングについて検討する。
論文 参考訳(メタデータ) (2022-06-23T18:39:30Z) - Toward Physically Realizable Quantum Neural Networks [15.018259942339446]
量子ニューラルネットワーク(QNN)の現在のソリューションは、スケーラビリティに関する課題を提起している。
QNNの指数的状態空間は、トレーニング手順のスケーラビリティに課題をもたらす。
本稿では量子パーセプトロンの転送関数の帯域制限フーリエ展開に依存するQNNの新しいモデルを提案する。
論文 参考訳(メタデータ) (2022-03-22T23:03:32Z) - Identification of topological phases using classically-optimized
variational quantum eigensolver [0.6181093777643575]
変分量子固有解法(VQE)は、量子コンピュータにおけるハイブリッド量子古典アルゴリズムの候補として期待されている。
本稿では,従来のコンピュータ上で最適化プロセス全体を効率的に行う古典最適化VQE(co-VQE)を提案する。
共同VQEでは、パラメータが最適化された後のみ、量子コンピュータを用いて非局所的な量を測定する。
論文 参考訳(メタデータ) (2022-02-07T02:26:58Z) - 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) - Learning temporal data with variational quantum recurrent neural network [0.5658123802733283]
パラメタライズド量子回路を用いて時間データを学習する手法を提案する。
この研究は、時間データの学習に複雑な量子力学を利用する方法を提供する。
論文 参考訳(メタデータ) (2020-12-21T10:47:28Z)
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。