論文の概要: Kernel Alignment for Quantum Support Vector Machines Using Genetic
Algorithms
- arxiv url: http://arxiv.org/abs/2312.01562v1
- Date: Mon, 4 Dec 2023 01:36:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 16:47:38.430087
- Title: Kernel Alignment for Quantum Support Vector Machines Using Genetic
Algorithms
- Title（参考訳）: 遺伝的アルゴリズムを用いた量子サポートベクトルマシンのカーネルアライメント
- Authors: Floyd M. Creevey, Jamie A. Heredge, Martin E. Sevior, Lloyd C. L.
Hollenberg
- Abstract要約: 我々は、QSVMカーネル回路におけるゲートシーケンス選択にGASP(Genetic Algorithm for State prepared)フレームワークを活用する。
古典的および量子的カーネルに対するベンチマークでは、GA生成回路が標準技術に適合または超えていることが明らかになった。
我々の自動フレームワークは、試行錯誤を低減し、ファイナンス、ヘルスケア、材料科学アプリケーションのためのQSVMベースの機械学習性能の改善を可能にします。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The data encoding circuits used in quantum support vector machine (QSVM)
kernels play a crucial role in their classification accuracy. However, manually
designing these circuits poses significant challenges in terms of time and
performance. To address this, we leverage the GASP (Genetic Algorithm for State
Preparation) framework for gate sequence selection in QSVM kernel circuits. We
explore supervised and unsupervised kernel loss functions' impact on encoding
circuit optimisation and evaluate them on diverse datasets for binary and
multiple-class scenarios. Benchmarking against classical and quantum kernels
reveals GA-generated circuits matching or surpassing standard techniques. We
analyse the relationship between test accuracy and quantum kernel entropy, with
results indicating a positive correlation. Our automated framework reduces
trial and error, and enables improved QSVM based machine learning performance
for finance, healthcare, and materials science applications.
- Abstract（参考訳）: 量子サポートベクトルマシン(QSVM)カーネルで使用されるデータ符号化回路は、その分類精度において重要な役割を果たす。
しかし、これらの回路を手動で設計することは、時間と性能の面で大きな課題となる。
そこで我々は,GASP(Genetic Algorithm for State Preparation)フレームワークを利用して,QSVMカーネル回路のゲートシーケンス選択を行う。
本稿では、カーネル損失関数が符号化回路の最適化に与える影響について検討し、バイナリおよびマルチクラスシナリオのための多様なデータセットで評価する。
古典的および量子的カーネルに対するベンチマークでは、GA生成回路が標準技術に適合または超えていることが明らかになった。
本研究では,テスト精度と量子カーネルエントロピーの関係を分析し,正の相関を示す。
我々の自動フレームワークは、試行錯誤を低減し、ファイナンス、ヘルスケア、材料科学アプリケーションのためのQSVMベースの機械学習性能を改善する。
関連論文リスト
- AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。
本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
論文 参考訳（メタデータ） (2024-07-17T18:38:48Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - KetGPT -- Dataset Augmentation of Quantum Circuits using Transformers [1.236829197968612]
量子回路として表現される量子アルゴリズムは、量子システムの性能を評価するためのベンチマークとして用いられる。
しかしランダム回路は、実際の量子アルゴリズム固有の性質を欠いているため、代表的なベンチマークではない。
この研究は、我々が「リアルに見える」回路と呼ぶものを生成することによって、既存の量子回路データセットを強化することを目的としている。
論文 参考訳（メタデータ） (2024-02-20T20:02:21Z) - CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。
オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。
我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
論文 参考訳（メタデータ） (2023-08-31T02:20:25Z) - Semisupervised Anomaly Detection using Support Vector Regression with
Quantum Kernel [0.0]
異常検出(AD)は、他のデータから何らかの方法で逸脱する観測や事象を特定することである。
本稿では,量子カーネルによる支持ベクトル回帰(SVR)の再構成損失に基づく半教師付きADへのアプローチを提案する。
量子カーネルを用いたSVRモデルは、RBFカーネルや他のすべてのモデルよりも優れた性能を示し、全てのデータセットに対して最高平均AUCを達成する。
論文 参考訳（メタデータ） (2023-08-01T15:00:14Z) - 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) - Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。
我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。
我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
論文 参考訳（メタデータ） (2023-04-10T23:01:10Z) - Variational Quantum Approximate Support Vector Machine With Inference
Transfer [0.8057006406834467]
複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。
サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。
虹彩データ分類の精度は98.8%に達した。
論文 参考訳（メタデータ） (2022-06-29T09:56:59Z) - 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) - Investigation of Quantum Support Vector Machine for Classification in
NISQ era [0.0]
本稿では,量子支援ベクトルマシン(QSVM)アルゴリズムとその回路バージョンについて検討する。
量子回路におけるトレーニングおよびテストデータサンプルを符号化し,QSVM回路実装手法の効率性を計算する。
我々は、現在のNISQデバイスにQSVMアルゴリズムを適用する際に直面する技術的困難を強調した。
論文 参考訳（メタデータ） (2021-12-13T18:59:39Z) - Ansatz-Independent Variational Quantum Classifier [0.0]
可変量子分類器 (VQC) がよく知られたカーネル法に収まることを示す。
また、与えられたユニタリ演算子に対して効率的な量子回路を設計するための変分回路実現法(VCR)を提案する。
論文 参考訳（メタデータ） (2021-02-02T21:25:39Z)
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。