論文の概要: A Comparative Analysis of Hybrid-Quantum Classical Neural Networks

• arxiv url: http://arxiv.org/abs/2402.10540v2
• Date: Tue, 25 Jun 2024 12:00:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-26 20:28:47.665802
• Title: A Comparative Analysis of Hybrid-Quantum Classical Neural Networks
• Title（参考訳）: ハイブリッド量子古典ニューラルネットワークの比較解析
• Authors: Kamila Zaman, Tasnim Ahmed, Muhammad Abdullah Hanif, Alberto Marchisio, Muhammad Shafique,
• Abstract要約: 本稿では、画像分類のための異なるハイブリッド量子古典機械学習アルゴリズム間の広範な比較分析を行う。 この精度に基づくハイブリッドモデルの性能比較により、回路の量子層数と量子ビット数の変化との相関関係におけるハイブリッド量子古典収束の理解が得られる。
• 参考スコア（独自算出の注目度）: 5.247197295547863
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid Quantum-Classical Machine Learning (ML) is an emerging field, amalgamating the strengths of both classical neural networks and quantum variational circuits on the current noisy intermediate-scale quantum devices. This paper performs an extensive comparative analysis between different hybrid quantum-classical machine learning algorithms, namely Quantum Convolution Neural Network, Quanvolutional Neural Network and Quantum ResNet, for image classification. The experiments designed in this paper focus on different Quantum ML (QML) algorithms to better understand the accuracy variation across the different quantum architectures by implementing interchangeable quantum circuit layers, varying the repetition of such layers and their efficient placement. Such variations enable us to compare the accuracy across different architectural permutations of a given hybrid QML algorithm. The performance comparison of the hybrid models, based on the accuracy, provides us with an understanding of hybrid quantum-classical convergence in correlation with the quantum layer count and the qubit count variations in the circuit.
• Abstract（参考訳）: ハイブリッド量子古典機械学習(Hybrid Quantum-Classical Machine Learning, ML)は、現在のノイズの多い中間量子デバイス上の古典的ニューラルネットワークと量子変動回路の長所を融合した、新興分野である。 本稿では,量子畳み込みニューラルネットワーク(Quantum Convolution Neural Network)とQuantum ResNet(Quantum ResNet)という,異なるハイブリッド量子古典機械学習アルゴリズムの比較分析を行った。 本稿では,異なる量子アーキテクチャ間の精度変化をよりよく理解するために,異なる量子ML (Quantum ML) アルゴリズムに焦点をあてる実験を行った。 このような変動により、与えられたハイブリッドQMLアルゴリズムの異なるアーキテクチャ置換間の精度を比較することができる。 この精度に基づくハイブリッドモデルの性能比較により、回路の量子層数と量子ビット数の変化との相関関係におけるハイブリッド量子古典収束の理解が得られる。

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)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• Post-variational quantum neural networks [0.9208007322096533]
  可変後の戦略」は、可変パラメータを量子コンピュータから古典コンピュータにシフトさせる。 アーキテクチャ設計を用いた変分後の量子ニューラルネットワークは、変分アルゴリズムよりも優れた結果をもたらす可能性があることを示す。
  論文  参考訳（メタデータ） (2023-07-20T03:55:53Z)
• Pooling techniques in hybrid quantum-classical convolutional neural networks [0.0]
  2次元医用画像の分類のためのハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)におけるプーリング手法の詳細な研究を行う。 プールのない等価な古典モデルやQCCNNと比較すると,類似性や性能が向上する。 QCCNNにおけるアーキテクチャの選択を、将来のアプリケーションのためにより深く研究することを約束している。
  論文  参考訳（メタデータ） (2023-05-09T16:51:46Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Multiclass classification using quantum convolutional neural networks with hybrid quantum-classical learning [0.5999777817331318]
  本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。 提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。 この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
  論文  参考訳（メタデータ） (2022-03-29T09:07:18Z)
• Feasible Architecture for Quantum Fully Convolutional Networks [4.849886707973093]
  本稿では,ノイズの多い中間規模量子デバイス上で動作可能な,実現可能な純粋量子アーキテクチャを提案する。 本研究は、純粋量子完全畳み込みネットワークのトレーニングを成功させ、それをハイブリッドソリューションと比較することで利点を論じるものである。
  論文  参考訳（メタデータ） (2021-10-05T01:06:54Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• Higgs analysis with quantum classifiers [0.0]
  我々は、$tbartH(bbarb)$分類問題に対する2つの量子分類器モデルを開発した。 この結果は、量子機械学習(QML)メソッドが類似あるいはより良い性能を持つことができるという概念の証明として役立ちます。
  論文  参考訳（メタデータ） (2021-04-15T18:01:51Z)

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。