論文の概要: Variational data encoding and correlations in quantum-enhanced machine learning

• arxiv url: http://arxiv.org/abs/2312.07949v1
• Date: Wed, 13 Dec 2023 07:55:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-14 16:24:35.128886
• Title: Variational data encoding and correlations in quantum-enhanced machine learning
• Title（参考訳）: 量子化機械学習における変分データ符号化と相関
• Authors: Ming-Hao Wang and Hua Lu
• Abstract要約: 我々は,古典的データを量子状態に変換するための効果的な符号化プロトコルを開発した。 また、量子加速を妨げる必然的なノイズに対処する必要性にも対処する。 機械学習から学習の概念を適用することで、学習可能なプロセスを符号化するデータを描画する。
• 参考スコア（独自算出の注目度）: 2.436161840735876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Leveraging the extraordinary phenomena of quantum superposition and quantum correlation, quantum computing offers unprecedented potential for addressing challenges beyond the reach of classical computers. This paper tackles two pivotal challenges in the realm of quantum computing: firstly, the development of an effective encoding protocol for translating classical data into quantum states, a critical step for any quantum computation. Different encoding strategies can significantly influence quantum computer performance. Secondly, we address the need to counteract the inevitable noise that can hinder quantum acceleration. Our primary contribution is the introduction of a novel variational data encoding method, grounded in quantum regression algorithm models. By adapting the learning concept from machine learning, we render data encoding a learnable process. Through numerical simulations of various regression tasks, we demonstrate the efficacy of our variational data encoding, particularly post-learning from instructional data. Moreover, we delve into the role of quantum correlation in enhancing task performance, especially in noisy environments. Our findings underscore the critical role of quantum correlation in not only bolstering performance but also in mitigating noise interference, thus advancing the frontier of quantum computing.
• Abstract（参考訳）: 量子重ね合わせと量子相関という異常な現象を生かして、量子コンピューティングは古典的コンピュータの到達範囲を超えた課題に対処する前例のない可能性を提供する。 本稿では,量子コンピューティングの領域における2つの重要な課題に取り組み,まず古典的データを量子状態に変換するための効果的な符号化プロトコルの開発について述べる。 異なる符号化戦略は量子コンピュータの性能に大きな影響を及ぼす。 第二に、量子加速を妨げる必然的なノイズに対処する必要性に対処する。 我々の主な貢献は、量子回帰アルゴリズムモデルに基づく新しい変分データ符号化法の導入である。 機械学習から学習の概念を適用することで、学習可能なプロセスを符号化するデータを描画する。 様々な回帰課題の数値シミュレーションを通じて,変動データエンコーディング,特に授業データからのポストラーニングの有効性を実証する。 さらに,特に雑音環境におけるタスク性能向上における量子相関の役割について考察する。 量子相関は, 性能向上だけでなく, 雑音干渉の軽減にも寄与し, 量子コンピューティングのフロンティアを前進させる上で重要な役割を担っている。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• 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)
• Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
  我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。 アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。 本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
  論文  参考訳（メタデータ） (2024-07-02T18:00:00Z)
• Quantum Visual Feature Encoding Revisited [8.839645003062456]
  本稿では,量子機械学習の初期段階である量子視覚符号化戦略を再考する。 根本原因を調べた結果,既存の量子符号化設計では符号化処理後の視覚的特徴の情報保存が不十分であることが判明した。 我々は、このギャップを最小限に抑えるために、量子情報保存と呼ばれる新しい損失関数を導入し、量子機械学習アルゴリズムの性能を向上した。
  論文  参考訳（メタデータ） (2024-05-30T06:15:08Z)
• Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
  本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。 小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-01T20:55:03Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Stabilization and Dissipative Information Transfer of a Superconducting Kerr-Cat Qubit [0.0]
  そこで我々は,Cat-Qubitと呼ばれる量子ビットモデルへの消散情報伝達について検討した。 このモデルは、二項量子分類の散逸に基づくバージョンにとって特に重要である。 Cat-Qubitアーキテクチャは、人工ニューラルネットワークでアクティベーションライクな機能を実装できる可能性がある。
  論文  参考訳（メタデータ） (2023-07-23T11:28:52Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)

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。