論文の概要: Variational Quantum Domain Adaptation

• arxiv url: http://arxiv.org/abs/2312.09563v1
• Date: Fri, 15 Dec 2023 06:44:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-18 16:47:27.325453
• Title: Variational Quantum Domain Adaptation
• Title（参考訳）: 変分量子領域適応
• Authors: Chunhui Wu, Junhao Pei, Yihua Wu, Shengmei Zhao
• Abstract要約: 量子畳み込みニューラルネットワークと勾配反転モジュールと2つの量子完全連結層を用いて、変分量子領域適応法を提案する。 その結果,古典的対応ドメイン適応法と比較して,VQDA は MNIST から USPS ドメイン転送の精度に対して平均 4% の改善を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning is an important application of quantum computing in the era of noisy intermediate-scale quantum devices. Domain adaptation is an effective method for addressing the distribution discrepancy problem between the training data and the real data when the neural network model is deployed. In this paper, a variational quantum domain adaptation method is proposed by using a quantum convolutional neural network, together with a gradient reversal module, and two quantum fully connected layers, named variational quantum domain adaptation(VQDA). The simulations on the local computer and IBM Quantum Experience (IBM Q) platform by Qiskit show the effectiveness of the proposed method. The results demonstrate that, compared to its classical corresponding domain adaptation method, VQDA achieves an average improvement of 4% on the accuracy for MNIST to USPS domain transfer under the same parameter scales. Similarly, for SYNDigits to SVHN domain transfer, VQDA achieves an average improvement of 2% on the accuracy under the same parameter scales.
• Abstract（参考訳）: 量子機械学習は、ノイズの多い中間スケール量子デバイスの時代における量子コンピューティングの重要な応用である。 ドメイン適応は、ニューラルネットワークモデルがデプロイされたとき、トレーニングデータと実際のデータとの間の分散不一致問題に対処する有効な方法である。 本稿では,量子畳み込みニューラルネットワークと勾配反転モジュールと,変分量子領域適応(VQDA)と呼ばれる2つの量子完全連結層を用いて,変分量子領域適応法を提案する。 Qiskit によるローカルコンピュータと IBM Quantum Experience (IBM Q) プラットフォーム上のシミュレーションは,提案手法の有効性を示した。 その結果、vqdaは従来の対応するドメイン適応法と比較して、mnistからuspsへのドメイン転送の精度において、同じパラメータスケールで平均4%の改善を達成した。 同様に、SynDigitsからSVHNドメイン転送の場合、VQDAは同じパラメータスケールでの精度で平均2%の改善が達成される。

関連論文リスト

• Distribution alignment based transfer fusion frameworks on quantum devices for seeking quantum advantages [13.430382791978948]
  対象ドメインデータのラベルを予測するために,2つの転送融合フレームワークを提案する。 これらのフレームワークは、2つの異なる、しかし関連するドメインから量子情報注入チャネルを介して量子データを抽出する。 量子基本線型代数サブルーチン(QBLAS)ベースの実装である1つのフレームワークは、理論的には2次スピードアップによる転送融合の手続きを達成できる。 ハードウェアスケーリング可能なアーキテクチャである別のフレームワークは、ノイズの多い中間スケール量子(NISQ)デバイス上に実装されている。
  論文  参考訳（メタデータ） (2024-11-04T05:41:31Z)
• Unveiling quantum phase transitions from traps in variational quantum algorithms [0.0]
  量子最適化と古典的機械学習を組み合わせたハイブリッドアルゴリズムを提案する。 従来の位相遷移の同定にはLASSO、トポロジカル遷移にはTransformerモデルを用いる。 我々のプロトコルは効率と精度を大幅に向上させ、量子コンピューティングと機械学習の統合における新たな道を開く。
  論文  参考訳（メタデータ） (2024-05-14T09:01:41Z)
• Variational post-selection for ground states and thermal states simulation [1.9336815376402718]
  変分量子アルゴリズム(VQA)は、ノイズの多い中間スケール量子(NISQ)時代の最も有望なルートの1つである。 本稿では,変分後選択手法を取り入れた変分量子アンサッツの表現性向上のための枠組みを提案する。
  論文  参考訳（メタデータ） (2024-02-12T12:16:17Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Estimating the degree of non-Markovianity using variational quantum circuits [0.0]
  我々は、環境の非マルコビアン性の度合いを推定するために、キュービットをプローブとして用いることを提案する。 正確な推定を行うために, 量子環境相互作用の最適シーケンスを求める。
  論文  参考訳（メタデータ） (2022-02-28T17:14:46Z)
• 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)
• Error mitigation in variational quantum eigensolvers using tailored probabilistic machine learning [5.630204194930539]
  本稿では,量子計算におけるノイズを軽減するために,ガウス過程回帰(GPR)をアクティブラーニングフレームワーク内に導入する新しい手法を提案する。 我々は,IBMのオープンソース量子コンピューティングフレームワークであるQiskitを用いて,2サイトアンダーソン不純物モデルと8サイトハイゼンベルクモデルに対する提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-11-16T22:29:43Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。