論文の概要: Quantum transport on networks for supervised classification
- arxiv url: http://arxiv.org/abs/2311.02442v1
- Date: Sat, 4 Nov 2023 15:57:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 17:46:12.471300
- Title: Quantum transport on networks for supervised classification
- Title（参考訳）: 教師付き分類のためのネットワーク上の量子輸送
- Authors: Shmuel Lorber, Oded Zimron, Inbal Lorena Zak, Anat Milo and Yonatan
Dubi
- Abstract要約: トレーニングされた量子ネットワークにおける粒子の量子輸送に基づく新しいタイプの量子分類器を提案する。
まず、波動関数は所定の(ランダム)群との重なりに応じて分類される。
第二に、波動関数はその位置化のレベルに応じて分類する。
第3の分類法は「現実の問題」であり、触媒性芳香族-アルデヒド基質の反応性による分類に関するものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classification, the computational process of categorizing an input into
pre-existing classes, is now a cornerstone in modern computation in the era of
machine learning. Here we propose a new type of quantum classifier, based on
quantum transport of particles in a trained quantum network. The classifier is
based on sending a quantum particle into a network and measuring the particle's
exit point, which serves as a "class" and can be determined by changing the
network parameters. Using this scheme, we demonstrate three examples of
classification; in the first, wave functions are classified according to their
overlap with predetermined (random) groups. In the second, we classify
wave-functions according to their level of localization. Both examples use
small training sets and achieve over 90\% precision and recall. The third
classification scheme is a "real-world problem", concerning classification of
catalytic aromatic-aldehyde substrates according to their reactivity. Using
experimental data, the quantum classifier reaches an average 86\%
classification accuracy. We show that the quantum classifier outperforms its
classical counterpart for these examples, thus demonstrating quantum advantage,
especially in the regime of "small data". These results pave the way for a
novel classification scheme, which can be implemented as an algorithm, and
potentially realized experimentally on quantum hardware such as photonic
networks.
- Abstract（参考訳）: 入力を既存のクラスに分類する計算プロセスである分類は、機械学習の時代における現代の計算の基礎となっている。
本稿では、トレーニングされた量子ネットワークにおける粒子の量子輸送に基づく新しいタイプの量子分類器を提案する。
分類器は、量子粒子をネットワークに送信し、粒子の出口点を測定することに基づいており、これは「クラス」として機能し、ネットワークパラメータを変更することで決定される。
このスキームを用いて、分類の例を3つ示す: まず、波動関数は、所定の(ランダムな)群との重なりに従って分類される。
第二に、波動関数はその位置化のレベルに応じて分類する。
どちらの例も小さなトレーニングセットを使用し、90%以上の精度とリコールを達成している。
第3の分類は、その反応性に応じて触媒芳香族アルデヒド基質の分類に関する「現実世界問題」である。
実験データを用いて、量子分類器は平均86\%の分類精度に達する。
量子分類器はこれらの例では古典的よりも優れており、特に「小さなデータ」の体系において量子上の優位性を示す。
これらの結果は、アルゴリズムとして実装でき、フォトニックネットワークのような量子ハードウェア上で実験的に実現できる新しい分類法への道を開いた。
関連論文リスト
- 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) - MORE: Measurement and Correlation Based Variational Quantum Circuit for
Multi-classification [10.969833959443495]
MOREは、測定と相関に基づく変分量子多重分類器の略である。
我々はQiskit Pythonライブラリを使ってMOREを実装し、ノイズフリーとノイズの多い量子システムの両方で広範囲にわたる実験により評価する。
論文 参考訳（メタデータ） (2023-07-21T19:33:10Z) - A hybrid quantum-classical classifier based on branching multi-scale
entanglement renormalization ansatz [5.548873288570182]
本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。
グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。
本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
論文 参考訳（メタデータ） (2023-03-14T13:46:45Z) - 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) - 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) - 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) - Multi-class quantum classifiers with tensor network circuits for quantum
phase recognition [0.0]
ネットワークにインスパイアされた回路は、変分量子固有解回路の自然な選択として提案されている。
本稿では,ツリーテンソルネットワークとマルチスケール再正規化アンサッツ回路に基づくマルチクラスの絡み合いに関する数値実験を行う。
論文 参考訳（メタデータ） (2021-10-15T21:55:13Z) - Cluster-Promoting Quantization with Bit-Drop for Minimizing Network
Quantization Loss [61.26793005355441]
クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。
DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。
本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
論文 参考訳（メタデータ） (2021-09-05T15:15:07Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳（メタデータ） (2021-02-09T13:48:00Z) - Quantum Machine Learning for Particle Physics using a Variational
Quantum Classifier [0.0]
本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。
このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
論文 参考訳（メタデータ） (2020-10-14T18:05:49Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳（メタデータ） (2020-01-15T18:36:53Z)
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。