論文の概要: Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications
- arxiv url: http://arxiv.org/abs/2403.14655v1
- Date: Mon, 26 Feb 2024 09:32:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:43:10.577469
- Title: Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications
- Title（参考訳）: 変量推定のための量子サブルーチン:アルゴリズム設計とその応用
- Authors: Anna Bernasconi, Alessandro Berti, Gianna M. Del Corso, Riccardo Guidotti, Alessandro Poggiali,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 80.04533958880862
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computing sets the foundation for new ways of designing algorithms, thanks to the peculiar properties inherited by quantum mechanics. The exploration of this new paradigm faces new challenges concerning which field quantum speedup can be achieved. Towards finding solutions, looking for the design of quantum subroutines that are more efficient than their classical counterpart poses solid pillars to new powerful quantum algorithms. Herewith, we delve into a grounding subroutine, the computation of the variance, whose usefulness spaces across different fields of application, particularly the Artificial Intelligence (AI) one. Indeed, the finding of the quantum counterpart of these building blocks impacts vertically those algorithms that leverage this metric. In this work, we propose QVAR, a quantum subroutine, to compute the variance that exhibits a logarithmic complexity both in the circuit depth and width, excluding the state preparation cost. With the vision of showing the use of QVAR as a subroutine for new quantum algorithms, we tackle two tasks from the AI domain: Feature Selection and Outlier Detection. In particular, we showcase two AI hybrid quantum algorithms that leverage QVAR: the Hybrid Quantum Feature Selection (HQFS) algorithm and the Quantum Outlier Detection Algorithm (QODA). In this manuscript, we describe the implementation of QVAR, HQFS, and QODA, providing their correctness and complexities and showing the effectiveness of these hybrid quantum algorithms with respect to their classical counterpart.
- Abstract（参考訳）: 量子コンピューティングは、量子力学によって継承された特異な性質のおかげで、アルゴリズムを設計する新しい方法の基礎となる。
この新たなパラダイムの探索は、どのフィールド量子スピードアップを達成できるかという新たな課題に直面している。
解を見つけるために、従来のものよりも効率的である量子サブルーチンの設計を探すと、新しい強力な量子アルゴリズムに固体の柱が現れる。
ここでは、様々な分野のアプリケーション、特に人工知能(AI)にまたがる有用性を持つ分散の計算である接地サブルーチンを探索する。
実際、これらのビルディングブロックの量子対の発見は、この計量を利用するアルゴリズムに垂直に影響を及ぼす。
本研究では,量子サブルーチンであるQVARを提案し,回路の深さと幅の両方において対数複雑性を示す分散を計算する。
新たな量子アルゴリズムのサブルーチンとしてQVARを使用するというビジョンにより、AI領域の2つのタスクに対処する。
特に、QVARを利用する2つのAIハイブリッド量子アルゴリズム:Hybrid Quantum Feature Selection (HQFS)アルゴリズムとQuantum Outlier Detection Algorithm (QODA)を紹介した。
本稿では,QVAR,HQFS,QODAの実装について述べるとともに,それらの正確さと複雑さを提供し,これらのハイブリッド量子アルゴリズムの有効性を示す。
関連論文リスト
- QCircuitNet: A Large-Scale Hierarchical Dataset for Quantum Algorithm Design [17.747641494506087]
量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された、最初のベンチマークおよびテストデータセットであるQCircuitNetを紹介する。
従来のコードの記述にAIを使用するのとは異なり、このタスクは基本的に異なり、非常に柔軟な設計空間と複雑なキュービット操作のため、さらに複雑である。
論文 参考訳（メタデータ） (2024-10-10T14:24:30Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - 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) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - An introduction to variational quantum algorithms for combinatorial optimization problems [0.0]
このチュートリアルは変分量子アルゴリズムのクラスに関する数学的記述を提供する。
量子側および古典側におけるこれらのハイブリッドアルゴリズムの重要な側面を正確に紹介する。
我々はQAOAに特に注意を払って、そのアルゴリズムに関わる量子回路と、その可能な誘導関数によって満たされる特性を詳述した。
論文 参考訳（メタデータ） (2022-12-22T14:27:52Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Quantum vs classical genetic algorithms: A numerical comparison shows
faster convergence [0.0]
いくつかの量子変種は、収束速度において全ての古典的変種よりも近い最適結果に対して優れていることを示す。
もしこの利点がより大きなシステムに当てはまるなら、量子遺伝アルゴリズムは量子コンピュータの最適化問題に対処するための新しいツールを提供するだろう。
論文 参考訳（メタデータ） (2022-07-19T13:07:44Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳（メタデータ） (2021-12-22T06:19:36Z) - Variational quantum compiling with double Q-learning [0.37798600249187286]
強化学習(RL)に基づく変分量子コンパイル(VQC)アルゴリズムを提案する。
エージェントは、ネイティブゲートアルファベットとそれらが行う量子ビットから、二重Q学習によって順次量子ゲートを選択するように訓練される。
NISQデバイスのデコヒーレンスプロセスとゲートノイズによる量子アルゴリズムのエラーを減らすことができます。
論文 参考訳（メタデータ） (2021-03-22T06:46:35Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。