論文の概要: Toward Automated Quantum Variational Machine Learning
- arxiv url: http://arxiv.org/abs/2312.01567v1
- Date: Mon, 4 Dec 2023 01:47:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 16:48:05.385062
- Title: Toward Automated Quantum Variational Machine Learning
- Title(参考訳): 量子変分機械学習の自動化に向けて
- Authors: Omer Subasi
- Abstract要約: 我々はMUSEと呼ばれるマルチローカル並列化検索アルゴリズムを開発し、初期点とパラメータの集合を求める。
MUSEは、観測された最低スコアに対する量子変分分類器の2.3倍の検出精度を向上させる。
MUSEでトレーニングされた量子変分モデルの分類と回帰スコアは、古典的なものと同等である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, we address the problem of automating quantum variational
machine learning. We develop a multi-locality parallelizable search algorithm,
called MUSE, to find the initial points and the sets of parameters that achieve
the best performance for quantum variational circuit learning. Simulations with
five real-world classification datasets indicate that on average, MUSE improves
the detection accuracy of quantum variational classifiers 2.3 times with
respect to the observed lowest scores. Moreover, when applied to two real-world
regression datasets, MUSE improves the quality of the predictions from negative
coefficients of determination to positive ones. Furthermore, the classification
and regression scores of the quantum variational models trained with MUSE are
on par with the classical counterparts.
- Abstract(参考訳): 本研究では,量子変分機械学習の自動化問題に対処する。
我々はMUSEと呼ばれる多局所並列化可能な探索アルゴリズムを開発し、量子変動回路学習の最適性能を実現するための初期点とパラメータの集合を求める。
5つの実世界の分類データセットを用いたシミュレーションでは、平均してMUSEは観測された最低スコアの2.3倍の量子変分法の検出精度を向上させる。
さらに、2つの実世界の回帰データセットに適用すると、MUSEは決定の負の係数から正の係数への予測の品質を向上させる。
さらに、MUSEで訓練された量子変分モデルの分類と回帰スコアは古典的なものと同等である。
関連論文リスト
- Investigating Automatic Scoring and Feedback using Large Language Models [46.1232919707345]
本稿では,PEFTに基づく量子化モデルの有効性について検討する。
その結果, 微調整LDMによる評価は精度が高く, 平均的に3%未満の誤差が得られた。
論文 参考訳(メタデータ) (2024-05-01T16:13:54Z) - Certainty In, Certainty Out: REVQCs for Quantum Machine Learning [15.908051575681458]
高精度かつ高精度なサンプル推測が可能な統計理論について論じる。
本稿では,このトレーニング手法の有効性を,いくつかの有効な変分量子回路を用いて評価する。
論文 参考訳(メタデータ) (2023-10-16T17:53:30Z) - Towards Convergence Rates for Parameter Estimation in Gaussian-gated
Mixture of Experts [40.24720443257405]
ガウスゲートMOEモデルにおける最大推定値(MLE)の収束解析を行う。
以上の結果から,MLEはガウスゲーティング関数の位置パラメータの2つの相補的な設定の下で異なる挙動を示すことが明らかとなった。
特に、これらの挙動は2つの異なる方程式系の可解性によって特徴づけられる。
論文 参考訳(メタデータ) (2023-05-12T16:02:19Z) - 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) - Analog quantum variational embedding classifier [8.445680783099196]
アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。
性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。
提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
論文 参考訳(メタデータ) (2022-11-04T20:58:48Z) - Copula-based Risk Aggregation with Trapped Ion Quantum Computers [1.541403735141431]
コプラは、合同確率分布をモデル化するための数学的ツールである。
コプラを最大絡み合った量子状態として表現できることの最近の発見は、実用的な量子優位性に対する有望なアプローチを明らかにしている。
シミュレータと最先端のイオン量子コンピュータ上での回路設計と精度の異なるQCBMのトレーニングについて検討する。
論文 参考訳(メタデータ) (2022-06-23T18:39:30Z) - Multiclass classification using quantum convolutional neural networks
with hybrid quantum-classical learning [0.5999777817331318]
本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。
提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。
この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
論文 参考訳(メタデータ) (2022-03-29T09:07:18Z) - Transfer Learning in Quantum Parametric Classifiers: An
Information-Theoretic Generalization Analysis [42.275148861039895]
古典的な入力を持つ量子機械学習における重要なステップは、入力を量子状態にマッピングする埋め込み回路の設計である。
本稿では,任意のパラメトリック量子回路を用いて古典-量子埋め込みを行う移動学習環境について検討する。
論文 参考訳(メタデータ) (2022-01-17T09:28:13Z) - Mixed Precision Low-bit Quantization of Neural Network Language Models
for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。
現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。
本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文 参考訳(メタデータ) (2021-11-29T12:24:02Z) - Binary classifiers for noisy datasets: a comparative study of existing
quantum machine learning frameworks and some new approaches [0.0]
バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。
ノイズの多いデータセットは 財務的なデータセットの中にあります
新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
論文 参考訳(メタデータ) (2021-11-05T10:29:05Z) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳(メタデータ) (2021-07-11T10:56:24Z)
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。