論文の概要: Trade-off between Bagging and Boosting for quantum
separability-entanglement classification
- arxiv url: http://arxiv.org/abs/2401.12041v1
- Date: Mon, 22 Jan 2024 15:29:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 13:35:50.038239
- Title: Trade-off between Bagging and Boosting for quantum
separability-entanglement classification
- Title（参考訳）: 量子分離性エンタングルメント分類におけるバッキングとブースティングのトレードオフ
- Authors: Sanuja D. Mohanty, and Ram N. Patro, and Pradyut K. Biswal, and
Biswajit Pradhan, and Sk Sazim
- Abstract要約: 量子分離性問題に対するランダムアンダーサンプリングブースターCHA(RUSBCHA)の長所と短所を比較した。
結果は、RUSBCHAがBCHAアプローチに代わるものであることを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Certifying whether an arbitrary quantum system is entangled or not, is, in
general, an NP-hard problem. Though various necessary and sufficient conditions
have already been explored in this regard for lower dimensional systems, it is
hard to extend them to higher dimensions. Recently, an ensemble bagging and
convex hull approximation (CHA) approach (together, BCHA) was proposed and it
strongly suggests employing a machine learning technique for the
separability-entanglement classification problem. However, BCHA does only
incorporate the balanced dataset for classification tasks which results in
lower average accuracy. In order to solve the data imbalance problem in the
present literature, an exploration of the Boosting technique has been carried
out, and a trade-off between the Boosting and Bagging-based ensemble classifier
is explored for quantum separability problems. For the two-qubit and two-qutrit
quantum systems, the pros and cons of the proposed random under-sampling boost
CHA (RUSBCHA) for the quantum separability problem are compared with the
state-of-the-art CHA and BCHA approaches. As the data is highly unbalanced,
performance measures such as overall accuracy, average accuracy, F-measure, and
G-mean are evaluated for a fair comparison. The outcomes suggest that RUSBCHA
is an alternative to the BCHA approach. Also, for several cases, performance
improvements are observed for RUSBCHA since the data is imbalanced.
- Abstract（参考訳）: 任意の量子系が絡み合っているかどうかの証明は、一般にnpハード問題である。
このような低次元システムに関して、様々な必要十分条件が既に検討されているが、それらを高次元に拡張することは困難である。
近年,アンサンブルバッグングと凸船体近似 (CHA) アプローチ (Together, BCHA) が提案され, 分離性・絡み合いの分類問題に機械学習技術を用いることが強く提案されている。
しかし、BCHAは、平均精度の低い分類タスクのためのバランスの取れたデータセットのみを組み込んでいる。
本論文では,データ不均衡問題を解決するため,ブーピング手法の探索を行い,量子分離性問題に対するブーピング法とバギンス法に基づくアンサンブル分類器のトレードオフについて検討した。
2量子ビットおよび2量子ビット量子系では、量子分離性問題に対するランダムアンダーサンプリングブースターCHA(RUSBCHA)のプロスとコンスを最先端のCHAとBCHAのアプローチと比較する。
データは高度にバランスが取れないため, 総合的精度, 平均的精度, f-測定値, g-平均値などの性能指標を公平に比較して評価する。
結果は、RUSBCHAがBCHAアプローチに代わるものであることを示唆している。
また、データを不均衡にするため、いくつかのケースでRUSBCHAの性能改善が観察される。
関連論文リスト
- Efficient inference of quantum system parameters by Approximate Bayesian Computation [0.0]
本稿では,測定データのライブラリーからのサンプリングにより可能性を回避するための近似ベイズ計算(ABC)アルゴリズムを提案する。
本研究では,2レベル原子と光学系をリアルタイムに探索する際に発生する光検出クリックパターンの解釈にABCを適用した。
我々の研究は、量子デバイスと関連する測定方法が複雑でなくても、高速パラメータ推論が可能であることを実証している。
論文 参考訳（メタデータ） (2024-06-30T15:10:05Z) - Ensembles of Quantum Classifiers [0.0]
量子分類アルゴリズムの実行に有効なアプローチは、アンサンブル法の導入である。
本稿では,二項分類のための量子分類器のアンサンブルの実装と実証評価について述べる。
論文 参考訳（メタデータ） (2023-11-16T10:27:25Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - Ensemble-learning variational shallow-circuit quantum classifiers [4.104704267247209]
本稿では,ブートストラップ集約と適応的ブースティングという,アンサンブル学習の2つの手法を提案する。
これらのプロトコルは古典的な手書き数字や対称性で保護されたトポロジカルハミルトニアンの量子位相の識別のために例示されている。
論文 参考訳（メタデータ） (2023-01-30T07:26:35Z) - Hypothesis Testing for Error Mitigation: How to Evaluate Error
Mitigation [0.9405458160620533]
量子エラー軽減の枠組みの中で仮説テストを導入する。
本稿では,資源要求と緩和効率の両方を考慮に入れた包括的メリット指標を提案する。
特異な手法からなる16ドルの誤差軽減パイプラインを実験的に評価した。
論文 参考訳（メタデータ） (2023-01-06T19:16:08Z) - Shot-frugal and Robust quantum kernel classifiers [12.146571029233435]
量子カーネル法は、機械学習における量子スピードアップの候補である。
分類タスクにおいて,その目的は信頼性の高い分類であり,正確なカーネル評価ではないことを示す。
我々は分類の信頼性を特徴付ける新しい指標を動機付けている。
論文 参考訳（メタデータ） (2022-10-13T12:48:23Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳（メタデータ） (2022-03-30T02:02:16Z) - Measuring NISQ Gate-Based Qubit Stability Using a 1+1 Field Theory and
Cycle Benchmarking [50.8020641352841]
量子ハードウェアプラットフォーム上でのコヒーレントエラーを, サンプルユーザアプリケーションとして, 横フィールドIsing Model Hamiltonianを用いて検討した。
プロセッサ上の物理位置の異なる量子ビット群に対する、日中および日中キュービット校正ドリフトと量子回路配置の影響を同定する。
また,これらの測定値が,これらの種類の誤差をよりよく理解し,量子計算の正確性を評価するための取り組みを改善する方法についても論じる。
論文 参考訳（メタデータ） (2022-01-08T23:12:55Z) - Experimental violations of Leggett-Garg's inequalities on a quantum
computer [77.34726150561087]
単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。
本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
論文 参考訳（メタデータ） (2021-09-06T14:35:15Z) - Efficient and robust certification of genuine multipartite entanglement
in noisy quantum error correction circuits [58.720142291102135]
実効多部絡み(GME)認証のための条件付き目撃手法を導入する。
線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。
本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
論文 参考訳（メタデータ） (2020-10-06T18:00:07Z) - Provable tradeoffs in adversarially robust classification [96.48180210364893]
我々は、ロバストなイソペリメトリに関する確率論の最近のブレークスルーを含む、新しいツールを開発し、活用する。
この結果から,データの不均衡時に増加する標準精度とロバスト精度の基本的なトレードオフが明らかになった。
論文 参考訳（メタデータ） (2020-06-09T09:58:19Z)
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。