論文の概要: Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing
- arxiv url: http://arxiv.org/abs/2310.12153v2
- Date: Wed, 1 May 2024 15:54:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-02 20:21:02.364565
- Title: Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing
- Title(参考訳): Adiabatic Quantum Computing を用いた平衡K平均の確率的サンプリング
- Authors: Jan-Nico Zaech, Martin Danelljan, Tolga Birdal, Luc Van Gool,
- Abstract要約: AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
- 参考スコア(独自算出の注目度): 93.83016310295804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adiabatic quantum computing (AQC) is a promising approach for discrete and often NP-hard optimization problems. Current AQCs allow to implement problems of research interest, which has sparked the development of quantum representations for many computer vision tasks. Despite requiring multiple measurements from the noisy AQC, current approaches only utilize the best measurement, discarding information contained in the remaining ones. In this work, we explore the potential of using this information for probabilistic balanced k-means clustering. Instead of discarding non-optimal solutions, we propose to use them to compute calibrated posterior probabilities with little additional compute cost. This allows us to identify ambiguous solutions and data points, which we demonstrate on a D-Wave AQC on synthetic tasks and real visual data.
- Abstract(参考訳): AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望なアプローチである。
現在のAQCは研究関心の問題を実装でき、多くのコンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
ノイズの多いAQCから複数の測定を必要とするが、現在のアプローチでは、最も良い測定しか利用せず、残りの測定値に含まれる情報を捨てている。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを特定できる。
関連論文リスト
- Identifying Bottlenecks of NISQ-friendly HHL algorithms [0.0]
NISQ適応反復QPEとそのHHLアルゴリズムの雑音耐性について検討する。
その結果,Qiskit readout や M Three readout package のようなノイズ低減技術は,ここでテストした小さなインスタンスにおいても,結果の回復には不十分であることが示唆された。
論文 参考訳(メタデータ) (2024-06-10T14:11:27Z) - Quantum Vision Clustering [10.360126989185261]
本稿では,Adiabatic quantum computing を用いた解法に適した最初のクラスタリング定式化を提案する。
提案手法は,最先端の最適化手法と比較して高い競合性を示す。
この研究は、現在世代の実量子コンピュータにおけるクラスタリング問題の解決可能性を示す。
論文 参考訳(メタデータ) (2023-09-18T16:15:16Z) - Multi-sequence alignment using the Quantum Approximate Optimization
Algorithm [0.0]
本稿では、変分量子近似最適化アルゴリズム(QAOA)を用いた多重系列アライメント問題のハミルトニアン定式化と実装について述べる。
我々は、量子シミュレーターと実際の量子コンピュータ上での性能の両方において、我々のQAOA-MSAアルゴリズムの小さな例を考える。
調査されたMSAのインスタンスに対する理想的な解決策は、浅いp5量子回路でサンプリングされた最も可能性の高い状態であることが示されているが、現在のデバイスにおけるノイズのレベルは依然として深刻な課題である。
論文 参考訳(メタデータ) (2023-08-23T12:46:24Z) - Exploring the Potential of Qutrits for Quantum Optimization of Graph
Coloring [0.0]
Qutritsは、短期デバイス上のいくつかの問題を解決するのに役立つかもしれない。
我々はPennyLaneを用いてノイズレスシミュレーションを行い、量子ビットベースのQAOAに対する定式化を比較する。
この研究は、クォートリットが近距離デバイス上のいくつかの問題を解決するのに有用であることを示しているが、ノイズの多い環境におけるその可能性を評価するにはさらなる作業が必要であることを示唆している。
論文 参考訳(メタデータ) (2023-08-15T21:31:37Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳(メタデータ) (2022-10-03T09:32:28Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - 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) - 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) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z)
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。