論文の概要: An efficient quantum algorithm for independent component analysis
- arxiv url: http://arxiv.org/abs/2311.12529v1
- Date: Tue, 21 Nov 2023 11:21:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 00:50:10.834506
- Title: An efficient quantum algorithm for independent component analysis
- Title（参考訳）: 独立成分分析のための効率的な量子アルゴリズム
- Authors: Xiao-Fan Xu, Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu and Guo-Ping Guo
- Abstract要約: 独立成分分析(ICA)は、取得した信号を可能な限り独立成分に分解する基本的なデータ処理技術である。
本稿では,量子コンピュータ上で特定のコントラスト関数を演算する量子ICAアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 3.400945485383699
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Independent component analysis (ICA) is a fundamental data processing
technique to decompose the captured signals into as independent as possible
components. Computing the contrast function, which serves as a measure of
independence of signals, is vital in the separation process using ICA. This
paper presents a quantum ICA algorithm which focuses on computing a specified
contrast function on a quantum computer. Using the quantum acceleration in
matrix operations, we efficiently deal with Gram matrices and estimate the
contrast function with the complexity of
$O(\epsilon_1^{-2}\mbox{poly}\log(N/\epsilon_1))$. This estimation subprogram,
combined with the classical optimization framework, enables our quantum ICA
algorithm, which exponentially reduces the complexity dependence on the data
scale compared with classical algorithms. The outperformance is further
supported by numerical experiments, while a source separation of a
transcriptomic dataset is shown as an example of application.
- Abstract（参考訳）: 独立成分分析(ICA)は、取得した信号を可能な限り独立成分に分解する基本的なデータ処理技術である。
信号の独立性の尺度として機能するコントラスト関数の計算は、ICAを用いた分離プロセスにおいて不可欠である。
本稿では,量子コンピュータ上の特定コントラスト関数の計算に焦点をあてた量子icaアルゴリズムを提案する。
行列演算における量子加速度を用いて、グラム行列を効率的に扱い、コントラスト関数を$O(\epsilon_1^{-2}\mbox{poly}\log(N/\epsilon_1))$で推定する。
この推定サブプログラムは、古典的最適化フレームワークと組み合わせることで、古典的アルゴリズムと比較してデータスケールの複雑性依存を指数関数的に低減する量子ICAアルゴリズムを実現する。
アウトパフォーマンスは数値実験によってさらに支持され、また、転写データセットのソース分離が応用例として示される。
関連論文リスト
- High order schemes for solving partial differential equations on a quantum computer [0.0]
より高階法は、古典的な場合と同様、離散化に必要な量子ビットの数を削減できることを示す。
この結果は、ハミルトニアン進化に基づく量子アルゴリズムの実践的な応用に重要な結果をもたらす。
論文 参考訳（メタデータ） (2024-12-26T14:21:59Z) - Evaluation of phase shifts for non-relativistic elastic scattering using quantum computers [39.58317527488534]
本研究は, 量子コンピュータ上での一般相対論的非弾性散乱過程の位相シフトを求めるアルゴリズムの開発を報告する。
論文 参考訳（メタデータ） (2024-07-04T21:11:05Z) - Boundary Treatment for Variational Quantum Simulations of Partial Differential Equations on Quantum Computers [1.6318838452579472]
本稿では偏微分方程式によって記述された初期境界値問題を解くための変分量子アルゴリズムを提案する。
このアプローチでは、現在のノイズの多い中間スケール量子時代の量子コンピュータに適した古典的/量子的ハードウェアを使用する。
論文 参考訳（メタデータ） (2024-02-28T18:19:33Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Say NO to Optimization: A Non-Orthogonal Quantum Eigensolver [0.0]
低層状態がほぼ退化した電子系における静的相関と動的相関のバランスの取れた記述は、古典的コンピュータ上でのマルチコンフィグレーション手法の課題である。
本稿では、相関クラスタ演算子の作用を利用して、高品質な波動関数アンゼを提供する量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-18T16:20:36Z) - Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。
線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
論文 参考訳（メタデータ） (2022-04-20T21:15:38Z) - Compressive Independent Component Analysis: Theory and Algorithms [16.594813920535486]
圧縮学習レンズを用いた独立成分分析(ICA)モデルについて検討する。
累積型ICAモデルに対する解は、低次元モデル集合を誘導する特定の構造を持つことを示す。
圧縮ICAのための反復勾配投影法 (IPG) と交互急降下法 (ASD) の2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-15T12:19:07Z) - Lossy compression of statistical data using quantum annealer [1.433758865948252]
統計的浮動小数点データに対する新しい損失圧縮アルゴリズムを提案する。
アルゴリズムは、元のデータを正確に再構成する基底ベクトルとそのバイナリ係数の集合を見つける。
圧縮アルゴリズムは格子量子色力学シミュレーションの2つの異なるデータセットで実証される。
論文 参考訳（メタデータ） (2021-10-05T16:16:41Z) - Quantum Causal Unravelling [44.356294905844834]
我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。
我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
論文 参考訳（メタデータ） (2021-09-27T16:28:06Z) - Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron
Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。
本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文 参考訳（メタデータ） (2021-06-22T18:00:00Z) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳（メタデータ） (2021-04-19T00:41:43Z)
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。