論文の概要: A Quantum Algorithm Based Heuristic to Hide Sensitive Itemsets
- arxiv url: http://arxiv.org/abs/2402.08055v1
- Date: Mon, 12 Feb 2024 20:44:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 17:43:51.649961
- Title: A Quantum Algorithm Based Heuristic to Hide Sensitive Itemsets
- Title（参考訳）: 量子アルゴリズムによる感性アイテムセットの隠蔽
- Authors: Abhijeet Ghoshal, Yan Li, Syam Menon, Sumit Sarkar
- Abstract要約: データ共有の文脈において、よく研究された問題を解決するための量子的アプローチを提案する。
本稿では, 量子アルゴリズムを用いて, この問題の解決方法を示すために, 小型データセットを用いた実験を行った。
- 参考スコア（独自算出の注目度）: 1.8419202109872088
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Quantum devices use qubits to represent information, which allows them to
exploit important properties from quantum physics, specifically superposition
and entanglement. As a result, quantum computers have the potential to
outperform the most advanced classical computers. In recent years, quantum
algorithms have shown hints of this promise, and many algorithms have been
proposed for the quantum domain. There are two key hurdles to solving difficult
real-world problems on quantum computers. The first is on the hardware front --
the number of qubits in the most advanced quantum systems is too small to make
the solution of large problems practical. The second involves the algorithms
themselves -- as quantum computers use qubits, the algorithms that work there
are fundamentally different from those that work on traditional computers. As a
result of these constraints, research has focused on developing approaches to
solve small versions of problems as proofs of concept -- recognizing that it
would be possible to scale these up once quantum devices with enough qubits
become available. Our objective in this paper is along the same lines. We
present a quantum approach to solve a well-studied problem in the context of
data sharing. This heuristic uses the well-known Quantum Approximate
Optimization Algorithm (QAOA). We present results on experiments involving
small datasets to illustrate how the problem could be solved using quantum
algorithms. The results show that the method has potential and provide answers
close to optimal. At the same time, we realize there are opportunities for
improving the method further.
- Abstract（参考訳）: 量子デバイスは情報を表すために量子ビットを使用し、量子物理学、特に重ね合わせと絡み合いから重要な性質を利用することができる。
その結果、量子コンピュータは最も先進的な古典的コンピュータを上回る可能性がある。
近年、量子アルゴリズムはこの約束のヒントを示しており、量子領域に対して多くのアルゴリズムが提案されている。
量子コンピュータ上での難解な現実問題の解決には、2つの大きなハードルがある。
1つはハードウェア分野であり、最も先進的な量子系における量子ビットの数は小さすぎて大きな問題の解が現実的になる。
2つめは、量子コンピュータが量子ビットを使用するため、そのアルゴリズムは従来のコンピュータで作業するアルゴリズムと根本的に異なる。これらの制約の結果として、研究は、概念実証として、小さなバージョンの問題を解決するアプローチの開発に注力している。量子ビットが十分に利用可能になったら、これらのスケールアップが可能になることを認識している。
この論文の目標は、同じ線に沿っている。
データ共有の文脈において、よく研究された問題を解決するための量子的アプローチを提案する。
このヒューリスティックはよく知られた量子近似最適化アルゴリズム(QAOA)を用いる。
量子アルゴリズムを用いてこの問題をどのように解決できるかを説明するために,小さなデータセットを含む実験結果を示す。
その結果,提案手法にはポテンシャルがあり,最適に近い回答が得られた。
同時に、我々はこの手法をさらに改善する機会があることに気付いた。
関連論文リスト
- 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) - Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。
量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。
分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文 参考訳（メタデータ） (2024-05-31T16:43:20Z) - Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。
目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。
アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
論文 参考訳（メタデータ） (2024-03-01T19:36:35Z) - A Practitioner's Guide to Quantum Algorithms for Optimisation Problems [0.0]
NPハード最適化問題は、物流や金融といった産業分野では一般的である。
本稿では,量子最適化理論の概要を概観する。
ノイズの多い中間スケール量子デバイスに対する短期的なポテンシャルに焦点を当てている。
論文 参考訳（メタデータ） (2023-05-12T08:57:36Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。
これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。
また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
論文 参考訳（メタデータ） (2021-11-05T16:36:09Z) - Multiple Query Optimization using a Hybrid Approach of Classical and
Quantum Computing [1.7077661158850292]
データ集約的な問題領域において重要なNPハード問題である多重クエリ最適化問題(MQO)に取り組む。
ゲート型量子コンピュータ上でMQOを解くために,新しい古典量子アルゴリズムを提案する。
提案アルゴリズムでは, クビット効率が99%に近づき, ほぼ2倍に向上した。
論文 参考訳（メタデータ） (2021-07-22T08:12:49Z) - Quantum Computing for Location Determination [6.141741864834815]
位置決定研究に量子アルゴリズムを用いた場合の期待値の例を紹介する。
提案した量子アルゴリズムは、空間と実行時間の両方において、古典的なアルゴリズムバージョンよりも指数関数的に優れた複雑性を持つ。
ソフトウェアとハードウェアの両方の研究課題と、研究者がこのエキサイティングな新しいドメインを探求する機会について論じる。
論文 参考訳（メタデータ） (2021-06-11T15:39:35Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z) - 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。