論文の概要: Evolutionary-enhanced quantum supervised learning model
- arxiv url: http://arxiv.org/abs/2311.08081v1
- Date: Tue, 14 Nov 2023 11:08:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 14:26:16.120539
- Title: Evolutionary-enhanced quantum supervised learning model
- Title(参考訳): 進化的量子教師あり学習モデル
- Authors: Anton Simen Albino, Rodrigo Bloot, Otto M. Pires, Erick G. S.
Nascimento
- Abstract要約: 本研究は,進化的アンサッツフリー教師あり学習モデルを提案する。
パラメタライズド回路とは対照的に、われわれのモデルはエリート的手法によって進化する可変位相を持つ回路を用いる。
我々のフレームワークは不毛の台地を避けることに成功し、結果としてモデルの精度が向上した。
- 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 supervised learning, utilizing variational circuits, stands out as a
promising technology for NISQ devices due to its efficiency in hardware
resource utilization during the creation of quantum feature maps and the
implementation of hardware-efficient ansatz with trainable parameters. Despite
these advantages, the training of quantum models encounters challenges, notably
the barren plateau phenomenon, leading to stagnation in learning during
optimization iterations. This study proposes an innovative approach: an
evolutionary-enhanced ansatz-free supervised learning model. In contrast to
parametrized circuits, our model employs circuits with variable topology that
evolves through an elitist method, mitigating the barren plateau issue.
Additionally, we introduce a novel concept, the superposition of multi-hot
encodings, facilitating the treatment of multi-classification problems. Our
framework successfully avoids barren plateaus, resulting in enhanced model
accuracy. Comparative analysis with variational quantum classifiers from the
technology's state-of-the-art reveal a substantial improvement in training
efficiency and precision. Furthermore, we conduct tests on a challenging
dataset class, traditionally problematic for conventional kernel machines,
demonstrating a potential alternative path for achieving quantum advantage in
supervised learning for NISQ era.
- Abstract(参考訳): 変分回路を利用した量子教師付き学習は、量子特徴マップ作成時のハードウェア資源利用効率と、学習可能なパラメータを持つハードウェア効率のansatzの実装により、nisqデバイスにとって有望な技術として注目される。
これらの利点にもかかわらず、量子モデルのトレーニングは問題、特に不毛台地現象に遭遇し、最適化イテレーション中に学習が停滞する。
本研究では,進化に富むアンサツフリー教師なし学習モデルを提案する。
パラメトリズド回路とは対照的に,本モデルは,楕円型法を通じて進化する可変トポロジーを持つ回路を用い,不毛高原問題を緩和する。
さらに,新しい概念であるマルチホットエンコーディングの重ね合わせを導入し,マルチクラス化問題の処理を容易にする。
我々のフレームワークは不毛高原を避けることに成功し、結果としてモデルの精度が向上した。
技術の最先端技術による変分量子分類器との比較分析は、訓練効率と精度を大幅に改善したことを示している。
さらに,NISQ時代の教師あり学習における量子優位性を実現するための代替手段として,従来のカーネルマシンでは問題となっていた,挑戦的なデータセットクラス上でテストを行う。
関連論文リスト
- Regression and Classification with Single-Qubit Quantum Neural Networks [0.0]
我々は、回帰処理と分類処理の両方にリソース効率が高くスケーラブルなSQQNN(Single-Qubit Quantum Neural Network)を使用する。
分類にはTaylor級数にインスパイアされた新しいトレーニング手法を導入する。
SQQNNは、MNISTデータセットを含む回帰および分類タスクにおいて、事実上エラーのない、強力なパフォーマンスを示す。
論文 参考訳(メタデータ) (2024-12-12T17:35:36Z) - Learning complexity gradually in quantum machine learning models [0.29998889086656577]
トレーニングセット全体に対して情報的データポイントを優先するフレームワークを提案する。
情報的サンプルに選択的に焦点をあてることで、パラメータ空間のより好ましい領域に向けて最適化プロセスのステアリングを目指す。
この戦略は,量子機械学習モデルの性能向上に有効である可能性が示唆された。
論文 参考訳(メタデータ) (2024-11-18T19:00:01Z) - Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳(メタデータ) (2024-11-13T12:03:39Z) - Quantum-Train: Rethinking Hybrid Quantum-Classical Machine Learning in the Model Compression Perspective [7.7063925534143705]
本稿では,量子コンピューティングと機械学習アルゴリズムを統合する新しいアプローチであるQuantum-Train(QT)フレームワークを紹介する。
QTは、古典的なマッピングモデルと並んで量子ニューラルネットワークを利用することで、顕著な結果を得る。
論文 参考訳(メタデータ) (2024-05-18T14:35:57Z) - Multi-Agent Quantum Reinforcement Learning using Evolutionary Optimization [6.3443033704469]
我々は、勾配のない量子強化学習のための既存のアプローチを構築し、マルチエージェント強化学習のための変分量子回路を用いた3つの遺伝的バリエーションを提案する。
我々は、トレーニング可能なパラメータの量に類似したニューラルネットワークと比較して、変動量子回路のアプローチが大幅に優れていることを示す。
論文 参考訳(メタデータ) (2023-11-09T17:45:32Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-14T08:03:20Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - 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) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z)
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。