論文の概要: sQUlearn $\unicode{x2013}$ A Python Library for Quantum Machine Learning
- arxiv url: http://arxiv.org/abs/2311.08990v1
- Date: Wed, 15 Nov 2023 14:22:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-16 15:44:36.609296
- Title: sQUlearn $\unicode{x2013}$ A Python Library for Quantum Machine Learning
- Title(参考訳): squlearn $\unicode{x2013}$ 量子機械学習のためのpythonライブラリ
- Authors: David A. Kreplin, Moritz Willmann, Jan Schnabel, Frederic Rapp, and
Marco Roth
- Abstract要約: sQUlearnが量子機械学習(QML)用のNISQ対応Pythonライブラリを導入
ライブラリの二重層アーキテクチャはQML研究者と実践者の両方に役立ち、効率的なプロトタイピング、実験、パイプライニングを可能にする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: sQUlearn introduces a user-friendly, NISQ-ready Python library for quantum
machine learning (QML), designed for seamless integration with classical
machine learning tools like scikit-learn. The library's dual-layer architecture
serves both QML researchers and practitioners, enabling efficient prototyping,
experimentation, and pipelining. sQUlearn provides a comprehensive toolset that
includes both quantum kernel methods and quantum neural networks, along with
features like customizable data encoding strategies, automated execution
handling, and specialized kernel regularization techniques. By focusing on
NISQ-compatibility and end-to-end automation, sQUlearn aims to bridge the gap
between current quantum computing capabilities and practical machine learning
applications.
- Abstract(参考訳): sQUlearnは、Scikit-learnのような古典的な機械学習ツールとシームレスに統合するために設計された、QML(Quantum Machine Learning)用のユーザフレンドリーなNISQ対応Pythonライブラリを導入した。
ライブラリの二重層アーキテクチャはQML研究者と実践者の両方に役立ち、効率的なプロトタイピング、実験、パイプライニングを可能にする。
sQUlearnは、カスタマイズ可能なデータエンコーディング戦略、自動実行処理、特別なカーネル正規化テクニックなどの機能とともに、量子カーネルメソッドと量子ニューラルネットワークの両方を含む包括的なツールセットを提供する。
NISQ互換性とエンドツーエンドの自動化に焦点を当てることで、sQUlearnは現在の量子コンピューティング能力と実用的な機械学習アプリケーションとのギャップを埋めることを目指している。
関連論文リスト
- TensorKrowch: Smooth integration of tensor networks in machine learning [68.8204255655161]
PyTorch上に構築されたオープンソースのPythonライブラリであるKrowchを紹介します。
ユーザは任意のテンソルネットワークを構築してトレーニングし、より複雑なディープラーニングモデルにレイヤとして統合することができる。
論文 参考訳(メタデータ) (2023-06-14T15:55:19Z) - Quantum Text Classifier -- A Synchronistic Approach Towards Classical
and Quantum Machine Learning [0.0]
量子コンピューティングにおける機械学習パイプラインの実行可能性を示すために、方法とアルゴリズムが開発されている。
一般的なQML(Quantum Machine Learning)アルゴリズムとアプリケーションに関する作業が進行中です。
本稿では、機械学習の読者に対して、量子機械学習w.r.tテキスト分類を導入する。
論文 参考訳(メタデータ) (2023-05-22T07:27:37Z) - Model-Driven Quantum Federated Learning (QFL) [6.286613532372707]
開発者はQuantum Computing (QC)ライブラリやフレームワークに慣れていない。
ドメイン特化モデリング言語(DSL)は、基礎となるQCとFederated Learning(FL)ライブラリの抽象化レイヤを提供する。
論文 参考訳(メタデータ) (2023-04-05T15:19:51Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - 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) - 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) - hyperbox-brain: A Toolbox for Hyperbox-based Machine Learning Algorithms [9.061408029414455]
Hyperbox-brainはオープンソースのPythonライブラリで、主要なハイパーボックスベースの機械学習アルゴリズムを実装している。
Hyperbox-brainは、よく知られたScikit-learnおよびnumpyツールボックスと互換性のある統一APIを公開する。
論文 参考訳(メタデータ) (2022-10-06T06:40:07Z) - NeuralUQ: A comprehensive library for uncertainty quantification in
neural differential equations and operators [0.0]
機械学習における不確実性定量化(UQ)は、現在、研究の関心が高まっている。
我々は,SciMLのUQメソッドを便利かつ構造化した方法で使用するために,NeuralUQと呼ばれるオープンソースのPythonライブラリを提案する。
論文 参考訳(メタデータ) (2022-08-25T04:28:18Z) - Towards AutoQML: A Cloud-Based Automated Circuit Architecture Search
Framework [0.0]
自動量子機械学習(AutoQML)への第一歩を踏み出す
本稿では,この問題の具体的記述を提案し,その後,古典的量子ハイブリッドクラウドアーキテクチャを開発する。
応用例として、量子生成適応ニューラルネットワーク(qGAN)をトレーニングし、既知の歴史的なデータ分布に従うエネルギー価格を生成する。
論文 参考訳(メタデータ) (2022-02-16T12:37:10Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳(メタデータ) (2021-07-19T23:41:03Z) - Extending Python for Quantum-Classical Computing via Quantum
Just-in-Time Compilation [78.8942067357231]
Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。
量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
論文 参考訳(メタデータ) (2021-05-10T21:11:21Z)
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。