論文の概要: Information-theoretic generalization bounds for learning from quantum
data
- arxiv url: http://arxiv.org/abs/2311.05529v1
- Date: Thu, 9 Nov 2023 17:21:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 14:25:47.528032
- Title: Information-theoretic generalization bounds for learning from quantum
data
- Title(参考訳): 量子データからの学習のための情報理論一般化境界
- Authors: Matthias Caro, Tom Gur, Cambyse Rouz\'e, Daniel Stilck Fran\c{c}a,
Sathyawageeswar Subramanian
- Abstract要約: 古典量子データに基づくトレーニングにより量子学習を記述するための数学的定式化を提案する。
我々は,古典的および量子的情報理論量の観点から,量子学習者の期待する一般化誤差を証明した。
我々の研究は、量子学習に関する量子情報理論的な視点を統一するための基礎を築いた。
- 参考スコア(独自算出の注目度): 3.618615996077951
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning tasks play an increasingly prominent role in quantum information and
computation. They range from fundamental problems such as state discrimination
and metrology over the framework of quantum probably approximately correct
(PAC) learning, to the recently proposed shadow variants of state tomography.
However, the many directions of quantum learning theory have so far evolved
separately. We propose a general mathematical formalism for describing quantum
learning by training on classical-quantum data and then testing how well the
learned hypothesis generalizes to new data. In this framework, we prove bounds
on the expected generalization error of a quantum learner in terms of classical
and quantum information-theoretic quantities measuring how strongly the
learner's hypothesis depends on the specific data seen during training.
To achieve this, we use tools from quantum optimal transport and quantum
concentration inequalities to establish non-commutative versions of decoupling
lemmas that underlie recent information-theoretic generalization bounds for
classical machine learning.
Our framework encompasses and gives intuitively accessible generalization
bounds for a variety of quantum learning scenarios such as quantum state
discrimination, PAC learning quantum states, quantum parameter estimation, and
quantumly PAC learning classical functions. Thereby, our work lays a foundation
for a unifying quantum information-theoretic perspective on quantum learning.
- Abstract(参考訳): 学習タスクは、量子情報と計算においてますます顕著な役割を果たす。
これらは、おそらくほぼ正しい(PAC)学習の枠組みに関する状態判別や気象学といった基本的な問題から、最近提案された状態トモグラフィーの影変種まで幅広い。
しかし、量子学習理論の多くの方向は、これまで別々に進化してきた。
古典量子データに基づく学習により量子学習を記述するための一般的な数学的フォーマリズムを提案し、学習された仮説がいかに新しいデータに一般化するかをテストする。
本稿では,古典的および量子的情報理論量の観点から,量子学習者の期待する一般化誤差に,学習者の仮説が学習中に見る特定のデータに依存するかを測定する。
これを実現するために、量子最適輸送と量子濃度の不等式からのツールを用いて、古典的機械学習の最近の情報理論の一般化境界を満たす非可換なデカップリング補題を確立する。
このフレームワークは、量子状態識別、pac学習量子状態、量子パラメータ推定、量子pac学習古典関数など、様々な量子学習シナリオに対して直感的にアクセス可能な一般化境界を提供する。
これにより、量子学習に関する量子情報理論的な視点を統一するための基礎を築いた。
関連論文リスト
- 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) - Statistical Complexity of Quantum Learning [35.49167661307331]
本稿では,情報理論を用いた量子学習の複雑さについて概説する。
データ複雑性、コピー複雑性、モデルの複雑さに重点を置いています。
我々は、教師なし学習と教師なし学習の両方に対処することで、量子学習と古典学習の違いを強調する。
論文 参考訳(メタデータ) (2023-09-20T20:04:05Z) - 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) - Exponential separations between classical and quantum learners [0.0]
我々は,定義の微妙な違いが,学習者が満足して解決すべき要件や課題を著しく異なるものにする可能性について論じる。
本稿では,データ生成関数の同定に古典的困難を主眼として,2つの新たな学習分離を提案する。
論文 参考訳(メタデータ) (2023-06-28T08:55:56Z) - Classical Verification of Quantum Learning [42.362388367152256]
量子学習の古典的検証のための枠組みを開発する。
そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。
この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
論文 参考訳(メタデータ) (2023-06-08T00:31:27Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳(メタデータ) (2022-05-10T08:05:59Z) - Probably approximately correct quantum source coding [0.0]
Holevo と Nayak の境界は、量子状態に格納できる古典的な情報の量を推定する。
量子学習理論における2つの新しい応用と、純粋に古典的なクライアントを用いた代入量子計算について述べる。
論文 参考訳(メタデータ) (2021-12-13T17:57:30Z) - A Theoretical Framework for Learning from Quantum Data [15.828697880068704]
量子データから古典パターンを学習するための理論的基盤を提案する。
我々はよく知られたPACフレームワークの量子対について述べる。
量子サンプル複雑性量子概念クラスの上界を確立する。
論文 参考訳(メタデータ) (2021-07-13T21:39:47Z) - Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。
我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。
以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文 参考訳(メタデータ) (2020-10-20T20:03:19Z) - From a quantum theory to a classical one [117.44028458220427]
量子対古典的交叉を記述するための形式的アプローチを提示し議論する。
この手法は、1982年にL. Yaffeによって、大きな$N$の量子場理論に取り組むために導入された。
論文 参考訳(メタデータ) (2020-04-01T09:16:38Z)
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。