論文の概要: Streaming IoT Data and the Quantum Edge: A Classic/Quantum Machine
Learning Use Case
- arxiv url: http://arxiv.org/abs/2402.15542v1
- Date: Fri, 23 Feb 2024 10:36:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-27 18:10:53.316166
- Title: Streaming IoT Data and the Quantum Edge: A Classic/Quantum Machine
Learning Use Case
- Title(参考訳): IoTデータと量子エッジのストリーミング: 古典的/量子機械学習のユースケース
- Authors: Sabrina Herbst, Vincenzo De Maio, Ivona Brandic
- Abstract要約: 量子機械学習を分散コンピューティング連続体に統合するためのエッジコンピューティングの利用について検討する。
我々は,IoTシナリオにおける量子機械学習分析の予備的結果を示す。
- 参考スコア(独自算出の注目度): 0.6554326244334868
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advent of the Post-Moore era, the scientific community is faced with
the challenge of addressing the demands of current data-intensive machine
learning applications, which are the cornerstone of urgent analytics in
distributed computing. Quantum machine learning could be a solution for the
increasing demand of urgent analytics, providing potential theoretical speedups
and increased space efficiency. However, challenges such as (1) the encoding of
data from the classical to the quantum domain, (2) hyperparameter tuning, and
(3) the integration of quantum hardware into a distributed computing continuum
limit the adoption of quantum machine learning for urgent analytics. In this
work, we investigate the use of Edge computing for the integration of quantum
machine learning into a distributed computing continuum, identifying the main
challenges and possible solutions. Furthermore, exploring the data encoding and
hyperparameter tuning challenges, we present preliminary results for quantum
machine learning analytics on an IoT scenario.
- Abstract(参考訳): ムーア時代が到来すると、科学コミュニティは、分散コンピューティングにおける緊急分析の基礎となる、現在のデータ集約型機械学習アプリケーションの要求に対処するという課題に直面している。
量子機械学習は、緊急分析の需要が増大し、理論的なスピードアップと宇宙効率が向上する解決策になり得る。
しかし、(1)古典から量子領域へのデータのエンコーディング、(2)ハイパーパラメータチューニング、(3)量子ハードウェアの分散コンピューティング連続体への統合といった課題は、緊急分析に量子機械学習を採用することを制限している。
本研究では,量子機械学習の分散コンピューティング連続体への統合におけるエッジコンピューティングの利用について検討し,主な課題と可能な解決策を特定する。
さらに、データエンコーディングとハイパーパラメータチューニングの課題を探求し、iotシナリオにおける量子機械学習分析の予備結果を示す。
関連論文リスト
- End-to-End Quantum Vision Transformer: Towards Practical Quantum Speedup
in Large-Scale Models [20.72342380227143]
本稿では、革新的な量子残差接続技術を含む、エンドツーエンドの量子ビジョン変換器(QViT)を紹介する。
QViTの徹底的な分析により、理論上指数関数的複雑性と経験的スピードアップが明らかとなり、量子コンピューティングアプリケーションにおけるモデルの効率性とポテンシャルが示される。
論文 参考訳(メタデータ) (2024-02-29T08:12:02Z) - Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。
私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文 参考訳(メタデータ) (2024-01-20T03:11:59Z) - Variational data encoding and correlations in quantum-enhanced machine
learning [2.436161840735876]
我々は,古典的データを量子状態に変換するための効果的な符号化プロトコルを開発した。
また、量子加速を妨げる必然的なノイズに対処する必要性にも対処する。
機械学習から学習の概念を適用することで、学習可能なプロセスを符号化するデータを描画する。
論文 参考訳(メタデータ) (2023-12-13T07:55:57Z) - Quantum-Assisted Simulation: A Framework for Designing Machine Learning
Models in the Quantum Computing Domain [0.0]
量子コンピューティングの歴史を探求し、既存のQMLアルゴリズムを検証し、QMLアルゴリズムのシミュレーションを作成するための簡易な手順を提案する。
機械学習と量子機械学習の両方を用いて,データセット上でシミュレーションを行った。
論文 参考訳(メタデータ) (2023-11-17T07:33:42Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
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。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Coreset selection can accelerate quantum machine learning models with
provable generalization [6.733416056422756]
量子ニューラルネットワーク(QNN)と量子カーネルは、量子機械学習の領域において顕著な存在である。
我々は、QNNと量子カーネルのトレーニングを高速化することを目的とした、コアセット選択という統一的なアプローチを提案する。
論文 参考訳(メタデータ) (2023-09-19T08:59:46Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - 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) - 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) - Machine and quantum learning for diamond-based quantum applications [0.0]
ダイヤモンドベースの量子技術の発展において,機械と量子学習が果たす役割を論じ,分析する。
機械学習と量子学習が、測定速度と精度の実用的および基本的な改善につながっていることを示す。
論文 参考訳(メタデータ) (2022-07-30T15:36:26Z) - 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)
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。