論文の概要: Quantum Kernel t-Distributed Stochastic Neighbor Embedding

• arxiv url: http://arxiv.org/abs/2312.00352v1
• Date: Fri, 1 Dec 2023 05:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 15:41:49.672910
• Title: Quantum Kernel t-Distributed Stochastic Neighbor Embedding
• Title（参考訳）: 量子カーネル t-Distributed Stochastic Neighbor Embedding
• Authors: Yoshiaki Kawase, Kosuke Mitarai, Keisuke Fujii
• Abstract要約: 量子カーネルを用いた量子データ可視化手法を提案し,量子状態の高速かつ高精度な可視化を実現する。 数値実験では,手書き桁のデータセットを可視化し,低次元データに$k$-nearest 隣りのアルゴリズムを適用する。
• 参考スコア（独自算出の注目度）: 0.9002260638342727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data visualization is important in understanding the characteristics of data that are difficult to see directly. It is used to visualize loss landscapes and optimization trajectories to analyze optimization performance. Popular optimization analysis is performed by visualizing a loss landscape around the reached local or global minimum using principal component analysis. However, this visualization depends on the variational parameters of a quantum circuit rather than quantum states, which makes it difficult to understand the mechanism of optimization process through the property of quantum states. Here, we propose a quantum data visualization method using quantum kernels, which enables us to offer fast and highly accurate visualization of quantum states. In our numerical experiments, we visualize hand-written digits dataset and apply $k$-nearest neighbor algorithm to the low-dimensional data to quantitatively evaluate our proposed method compared with a classical kernel method. As a result, our proposed method achieves comparable accuracy to the state-of-the-art classical kernel method, meaning that the proposed visualization method based on quantum machine learning does not degrade the separability of the input higher dimensional data. Furthermore, we visualize the optimization trajectories of finding the ground states of transverse field Ising model and successfully find the trajectory characteristics. Since quantum states are higher dimensional objects that can only be seen via observables, our visualization method, which inherits the similarity of quantum data, would be useful in understanding the behavior of quantum circuits and algorithms.
• Abstract（参考訳）: データ視覚化は、直接見るのが難しいデータの特徴を理解する上で重要である。 ロスランドスケープを可視化し、最適化トラジェクトリを使用して最適化性能を解析する。 主成分分析を用いて局所的あるいは大域的最小値付近の損失景観を可視化することにより、一般的な最適化分析を行う。 しかし、この可視化は量子状態ではなく量子回路の変動パラメータに依存するため、量子状態の性質を通じて最適化過程のメカニズムを理解することは困難である。 本稿では,量子カーネルを用いた量子データ可視化手法を提案し,量子状態の高速かつ高精度な可視化を実現する。 数値実験では,手書き桁データセットを可視化し,低次元データに$k$-nearest neighborアルゴリズムを適用し,従来のカーネル法と比較して提案手法を定量的に評価した。 その結果,提案手法は最先端の古典的カーネル法と同等の精度を達成でき,量子機械学習に基づく可視化手法では,入力された高次元データの分離性が低下しない。 さらに, 横フィールドイジングモデルの基底状態を求めるための最適化軌跡を可視化し, 軌道特性の把握に成功した。 量子状態は観測可能なものしか見ることができない高次元の物体であるため、量子データの類似性を継承する可視化手法は、量子回路やアルゴリズムの挙動を理解するのに有用である。

関連論文リスト

• Visual Analytics of Performance of Quantum Computing Systems and Circuit Optimization [0.23213238782019316]
  本稿では,量子デバイスの性能特性の解析と量子回路最適化のための視覚解析手法について述べる。 我々のアプローチは、量子デバイスの性能データにおける空間的パターンと時間的パターンを探索することを可能にする。 個々の量子ビットを特徴付ける誤差特性の詳細な解析もサポートする。
  論文  参考訳（メタデータ） (2024-09-10T02:09:55Z)
• Optimization for expectation value estimation with shallow quantum circuits [1.5733643545082079]
  量子状態の線形特性を推定することは、量子情報科学の基本的な課題である。 浅いパラメータ化量子回路を用いて,観測可能な任意の観測値の期待値を推定するために,サンプル複雑性を最適化するフレームワークを提案する。 スパースハミルトニアンの基底エネルギーと2つの純状態の内積を推定することにより,アルゴリズムの性能を数値的に示す。
  論文  参考訳（メタデータ） (2024-07-28T14:04:33Z)
• Quantum Natural Stochastic Pairwise Coordinate Descent [6.187270874122921]
  近年,変分量子アルゴリズム(VQA)による量子機械学習が注目されている。 本稿では,2QNSCD最適化法を提案する。 ゲート複雑性を持つ量子回路をパラメータ化量子回路と単発量子計測の2倍の精度で用いた,新しい計量テンソルの疎い非バイアス推定器を開発した。
  論文  参考訳（メタデータ） (2024-07-18T18:57:29Z)
• Fast Quantum Process Tomography via Riemannian Gradient Descent [3.1406146587437904]
  制約付き最適化は、量子物理学と量子情報科学の分野において重要な役割を果たす。 量子プロセストモグラフィー(quantum process tomography)は、特定の測定データに基づいて基礎となる量子プロセスを取得することを目的としている。
  論文  参考訳（メタデータ） (2024-04-29T16:28:14Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Information flow in parameterized quantum circuits [0.4893345190925177]
  量子システムにおける情報フローを定量化する新しい方法を提案する。 ゲートノード間の相互情報を用いた距離測定法を提案する。 そこで,距離測定に基づく経路を用いた変分アルゴリズムの最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-07-11T19:30:47Z)
• 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)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)
• 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)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。