論文の概要: Clustering by Contour coreset and variational quantum eigensolver

• arxiv url: http://arxiv.org/abs/2312.03516v1
• Date: Wed, 6 Dec 2023 14:21:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 14:46:36.285040
• Title: Clustering by Contour coreset and variational quantum eigensolver
• Title（参考訳）: 輪郭コアセットと変分量子固有解法によるクラスタリング
• Authors: Canaan Yung, Muhammad Usman
• Abstract要約: 本稿では,変分量子固有解法(VQE)とカスタマイズコアセット法であるContour coresetを用いて,k平均クラスタリング問題を解くことを提案する。 我々の研究は、量子化されたコアセット技術は量子アルゴリズムの性能を大幅に向上させる可能性があることを示した。
• 参考スコア（独自算出の注目度）: 0.8544206632559302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work has proposed solving the k-means clustering problem on quantum computers via the Quantum Approximate Optimization Algorithm (QAOA) and coreset techniques. Although the current method demonstrates the possibility of quantum k-means clustering, it does not ensure high accuracy and consistency across a wide range of datasets. The existing coreset techniques are designed for classical algorithms and there has been no quantum-tailored coreset technique which is designed to boost the accuracy of quantum algorithms. In this work, we propose solving the k-means clustering problem with the variational quantum eigensolver (VQE) and a customised coreset method, the Contour coreset, which has been formulated with specific focus on quantum algorithms. Extensive simulations with synthetic and real-life data demonstrated that our VQE+Contour Coreset approach outperforms existing QAOA+Coreset k-means clustering approaches with higher accuracy and lower standard deviation. Our work has shown that quantum tailored coreset techniques has the potential to significantly boost the performance of quantum algorithms when compared to using generic off-the-shelf coreset techniques.
• Abstract（参考訳）: 最近の研究は量子近似最適化アルゴリズム(QAOA)とコアセット技術を用いて量子コンピュータ上のk平均クラスタリング問題を解くことを提案した。 現在の方法は、量子k平均クラスタリングの可能性を示しているが、幅広いデータセットにわたって高い精度と一貫性を保証するものではない。 既存のコアセット技術は古典的なアルゴリズム用に設計されており、量子アルゴリズムの精度を高めるために設計された量子調整コアセット技術は存在しない。 本研究では,量子アルゴリズムに特化して定式化された量子固有解法(VQE)とカスタマイズコアセット法(Contour coreset)を用いて,k平均クラスタリング問題を解くことを提案する。 我々のVQE+Contour Coresetアプローチは、既存のQAOA+Coreset k-meansクラスタリングアプローチよりも精度が高く、標準偏差も低い。 我々の研究は、量子化されたコアセット技術は、一般的なオフザシェルフコアセット技術と比較して量子アルゴリズムの性能を大幅に向上させる可能性があることを示した。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Faster variational quantum algorithms with quantum kernel-based surrogate models [0.0]
  本稿では,雑音量子プロセッサ上での小型から中規模の変分アルゴリズムを提案する。 提案手法は,計算負荷をこれらのハイブリッドアルゴリズムの古典的成分にシフトさせ,量子プロセッサへのクエリ数を劇的に削減する。
  論文  参考訳（メタデータ） (2022-11-02T14:11:25Z)
• Automatic and effective discovery of quantum kernels [43.702574335089736]
  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,異な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)
• Variational Quantum and Quantum-Inspired Clustering [0.0]
  本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。 このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2022-06-20T17:02:19Z)
• Performance analysis of coreset selection for quantum implementation of K-Means clustering algorithm [15.84585517821099]
  コアセットの選択は、精度を損なうことなく、入力データのサイズを減らすことを目的としている。 近年の研究では、コアセットの選択が量子K平均クラスタリング問題の実装に役立つことが示されている。 本稿では,2つのコアセット手法の相対的性能と,各ケースにおけるコアセット構成のサイズを比較した。 また、分極量子ノイズとビットフリップ誤差の影響について検討し、ノイズ効果を上回る量子オートエンコーダ法を実装した。
  論文  参考訳（メタデータ） (2022-06-16T00:01:48Z)
• Quantum spectral clustering algorithm for unsupervised learning [0.8399688944263843]
  本稿では,量子プロセッサ上でのスペクトルクラスタリングを実現する回路設計を提案する。 確立された量子$k$-meansアルゴリズムと比較して、我々の手法は量子ランダムアクセスメモリや量子断熱処理を必要としない。
  論文  参考訳（メタデータ） (2022-03-07T05:06:47Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
  浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。 我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
  論文  参考訳（メタデータ） (2021-12-21T12:41:31Z)

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。