Fugu-MT 論文翻訳(概要): QuApprox: A Framework for Benchmarking the Approximability of Variational Quantum Circuit

論文の概要: QuApprox: A Framework for Benchmarking the Approximability of Variational Quantum Circuit

arxiv url: http://arxiv.org/abs/2402.08261v1
Date: Tue, 13 Feb 2024 07:23:42 GMT
ステータス: 処理完了
システム内更新日: 2024-02-14 16:19:29.531877
Title: QuApprox: A Framework for Benchmarking the Approximability of Variational Quantum Circuit
Title（参考訳）: QuApprox: 変分量子回路の近似性をベンチマークするためのフレームワーク
Authors: Jinyang Li, Ang Li, Weiwen Jiang
Abstract要約: 我々は、与えられた量子回路の近似をベンチマークする自動ツールを開発する。提案手法は理論値と一致した近似性を正確に推定できる。
参考スコア（独自算出の注目度）: 14.01679361322848
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Most of the existing quantum neural network models, such as variational quantum circuits (VQCs), are limited in their ability to explore the non-linear relationships in input data. This gradually becomes the main obstacle for it to tackle realistic applications, such as natural language processing, medical image processing, and wireless communications. Recently, there have emerged research efforts that enable VQCs to perform non-linear operations. However, it is still unclear on the approximability of a given VQC (i.e., the order of non-linearity that can be handled by a specified design). In response to this issue, we developed an automated tool designed to benchmark the approximation of a given VQC. The proposed tool will generate a set of synthetic datasets with different orders of non-linearity and train the given VQC on these datasets to estimate their approximability. Our experiments benchmark VQCs with different designs, where we know their theoretic approximability. We then show that the proposed tool can precisely estimate the approximability, which is consistent with the theoretic value, indicating that the proposed tool can be used for benchmarking the approximability of a given quantum circuit for learning tasks.
Abstract（参考訳）: 変分量子回路(VQC)のような既存の量子ニューラルネットワークモデルのほとんどは、入力データの非線形関係を探索する能力に制限されている。これは、自然言語処理、医用画像処理、無線通信といった現実的な応用に取り組む上で、徐々に大きな障害となっている。近年、vqcsが非線形操作を可能にする研究が進められている。しかしながら、与えられたVQCの近似性についてはまだ不明である(すなわち、指定された設計で扱える非線形性の順序)。この問題に対して,与えられたVQCの近似をベンチマークする自動ツールを開発した。提案ツールでは、非線形性の異なる一連の合成データセットを生成し、与えられたVQCをこれらのデータセット上でトレーニングし、近似性を推定する。実験では、VQCを異なる設計でベンチマークし、理論近似性を知っている。そして,提案ツールが理論値と整合した近似性を正確に推定できることを示し,提案ツールが与えられた量子回路の近似可能性のベンチマークに利用できることを示す。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
論文参考訳（メタデータ） (2024-07-17T18:38:48Z)
Graph Neural Networks for Parameterized Quantum Circuits Expressibility Estimation [5.074765131677166]
本稿では,グラフニューラルネットワーク(GNN)を用いた量子回路の表現可能性推定手法を提案する。我々は、ノイズのないIBM QASMシミュレータから25,000のサンプルと、3つのノイズの多い量子バックエンドから12,000のサンプルからなるデータセットを用いて、GNNモデルの予測能力を実証した。
論文参考訳（メタデータ） (2024-05-13T18:26:55Z)
QDA$^2$: A principled approach to automatically annotating charge stability diagrams [1.2437226707039448]
ゲート定義半導体量子ドット(QD)アレイは量子コンピューティングのための有望なプラットフォームである。大きな構成空間と固有のノイズは、QDデバイスのチューニングを非自明なタスクにする。 QD auto-annotatorは、実験的に得られたデータの自動解釈とラベル付けのための古典的なアルゴリズムである。
論文参考訳（メタデータ） (2023-12-18T13:52:18Z)
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)
Predicting Expressibility of Parameterized Quantum Circuits using Graph Neural Network [5.444441239596186]
量子回路(PQC)の表現性を予測するためのグラフニューラルネットワーク(GNN)に基づく新しい手法を提案する。グラフに基づくPQC表現を活用することで、GNNベースのモデルは、回路パラメータと結果の表現性の間の複雑な関係をキャプチャする。 4千個のランダムPQCデータセットとIBM Qiskitのハードウェア効率の良いアンサッツセットの実験評価により、我々のアプローチの優れた性能を示す。
論文参考訳（メタデータ） (2023-09-13T14:08:01Z)
A Novel Spatial-Temporal Variational Quantum Circuit to Enable Deep Learning on NISQ Devices [12.873184000122542]
本稿では,量子学習における非線形性を統合するために,新しい時空間設計,ST-VQCを提案する。 ST-VQCは、実際の量子コンピュータ上の既存のVQCと比較して30%以上の精度向上を達成できる。
論文参考訳（メタデータ） (2023-07-19T06:17:16Z)
Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文参考訳（メタデータ） (2023-06-09T09:42:21Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
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)
Quantum-enhanced data classification with a variational entangled sensor network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文参考訳（メタデータ） (2020-06-22T01:22:33Z)

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。