論文の概要: Quantum fidelity kernel with a trapped-ion simulation platform

• arxiv url: http://arxiv.org/abs/2311.18719v2
• Date: Mon, 15 Apr 2024 08:02:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 23:17:34.487703
• Title: Quantum fidelity kernel with a trapped-ion simulation platform
• Title（参考訳）: トラップイオンシミュレーションプラットフォームを用いた量子忠実性カーネル
• Authors: Rodrigo Martínez-Peña, Miguel C. Soriano, Roberta Zambrini,
• Abstract要約: 量子カーネル法は、入力情報を量子系のヒルベルト空間に埋め込むことによって計算されたカーネル関数を利用する。 本稿では,量子カーネルを計算し,バイナリ分類タスクの有効性を実証する手段として,トラップイオンシミュレーションプラットフォームを提案する。 その結果,イオントラッププラットフォームは量子カーネル計算に適しており,数量子ビットで高い精度が得られることがわかった。
• 参考スコア（独自算出の注目度）: 3.9940425551415597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum kernel methods leverage a kernel function computed by embedding input information into the Hilbert space of a quantum system. However, large Hilbert spaces can hinder generalization capability, and the scalability of quantum kernels becomes an issue. To overcome these challenges, various strategies under the concept of inductive bias have been proposed. Bandwidth optimization is a promising approach that can be implemented using quantum simulation platforms. We propose trapped-ion simulation platforms as a means to compute quantum kernels and demonstrate their effectiveness for binary classification tasks. We compare the performance of the proposed method with an optimized classical kernel and evaluate the robustness of the quantum kernel against noise. The results show that ion trap platforms are well-suited for quantum kernel computation and can achieve high accuracy with only a few qubits.
• Abstract（参考訳）: 量子カーネル法は、入力情報を量子系のヒルベルト空間に埋め込むことによって計算されたカーネル関数を利用する。 しかし、大きなヒルベルト空間は一般化能力を妨げ、量子カーネルのスケーラビリティが問題となる。 これらの課題を克服するために、帰納的バイアスの概念に基づく様々な戦略が提案されている。 帯域最適化は量子シミュレーションプラットフォームを使って実装できる有望なアプローチである。 本稿では,量子カーネルを計算し,バイナリ分類タスクの有効性を実証する手段として,トラップイオンシミュレーションプラットフォームを提案する。 提案手法の性能を最適化された古典的カーネルと比較し,雑音に対する量子カーネルの堅牢性を評価する。 その結果,イオントラッププラットフォームは量子カーネル計算に適しており,数量子ビットで高い精度が得られることがわかった。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Phase-space negativity as a computational resource for quantum kernel methods [2.5499055723658097]
  量子カーネル法は、機械学習において量子計算の優位性を達成するための提案である。 ボゾン系に対する量子核関数の最適古典的推定に十分な条件を提供する。 本研究は, 量子機械学習において, 位相空間準確率分布における負性の役割を担っている。
  論文  参考訳（メタデータ） (2024-05-20T21:18:53Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• A Unified Framework for Trace-induced Quantum Kernels [0.0]
  量子カーネル法は、特定の機械学習タスクに対して実用的な量子優位性を達成するための有望な候補である。 この研究では、すべてのトレース誘起量子カーネルを共通のフレームワークに結合する。 局所的に投影されたカーネルに基づくモデルが,グローバルな忠実度量子カーネルに匹敵する性能を達成できることを数値的に示す。
  論文  参考訳（メタデータ） (2023-11-22T17:50:00Z)
• Numerical evidence against advantage with quantum fidelity kernels on classical data [12.621805903645711]
  量子核は、量子ビットの数が増加するにつれてスペクトルの指数的な「平坦化」に悩まされることを示す。 これまでに研究されてきた複数の量子特徴写像と、合成データと実データの両方を利用した、この現象の広範な数値的証拠を提供する。 その結果、量子カーネルの帰納バイアスを制御するために新しい手法が開発されない限り、古典的なデータに量子的優位性をもたらすことはありそうにないことがわかった。
  論文  参考訳（メタデータ） (2022-11-29T19:23:11Z)
• 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)
• Bosonic field digitization for quantum computers [62.997667081978825]
  我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。 本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-24T15:30:04Z)
• 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)
• Training Quantum Embedding Kernels on Near-Term Quantum Computers [0.08563354084119063]
  量子コンピュータのヒルベルト空間にデータを埋め込むことで構築された量子埋め込みカーネル(QEK)は、特定の量子カーネル技術である。 まず、量子埋め込みカーネルを紹介し、ノイズの多い短期量子コンピュータ上でそれらを実現する際に生じる現実的な問題を解析する。
  論文  参考訳（メタデータ） (2021-05-05T18:41:13Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)

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。