論文の概要: Layered Uploading for Quantum Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2404.09750v1
- Date: Mon, 15 Apr 2024 12:51:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 13:38:59.000600
- Title: Layered Uploading for Quantum Convolutional Neural Networks
- Title(参考訳): 量子畳み込みニューラルネットワークのための層載荷
- Authors: Grégoire Barrué, Tony Quertier,
- Abstract要約: 量子回路に沿ってデータをアップロードする新しいアーキテクチャを提案する。
これにより、量子回路に使用する量子ビットの数を増やすことなく、データからより多くの機能を利用することができます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuing our analysis of quantum machine learning applied to our use-case of malware detection, we investigate the potential of quantum convolutional neural networks. More precisely, we propose a new architecture where data is uploaded all along the quantum circuit. This allows us to use more features from the data, hence giving to the algorithm more information, without having to increase the number of qubits that we use for the quantum circuit. This approach is motivated by the fact that we do not always have great amounts of data, and that quantum computers are currently restricted in their number of logical qubits.
- Abstract(参考訳): マルウェア検出に応用した量子機械学習の分析を継続し、量子畳み込みニューラルネットワークの可能性について検討する。
より正確には、量子回路に沿ってデータがアップロードされる新しいアーキテクチャを提案する。
これにより、量子回路に使用する量子ビットの数を増やすことなく、データからより多くの機能を使用することで、アルゴリズムにより多くの情報を与えることができます。
このアプローチは、常に大量のデータを持っておらず、現在量子コンピュータはその論理量子ビット数に制限されているという事実によって動機付けられている。
関連論文リスト
- A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - Quantum Circuit AutoEncoder [17.81888531978833]
本稿では、量子回路内の情報を圧縮してエンコードする量子回路オートエンコーダ(QCAE)のモデルを提案する。
varQCAEを3つの実用的なタスクに適用し、量子回路内の情報を効果的に圧縮できることを示す。
論文 参考訳(メタデータ) (2023-07-17T12:41:28Z) - 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) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Data compression for quantum machine learning [2.119778346188635]
量子コンピュータで使用する古典的データを効率よく圧縮・ロードする問題に対処する。
提案手法により,必要量子ビット数と量子回路の深さを調整できる。
論文 参考訳(メタデータ) (2022-04-24T03:03:14Z) - 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) - Variational learning for quantum artificial neural networks [0.0]
まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。
次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。
メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
論文 参考訳(メタデータ) (2021-03-03T16:10:15Z) - 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) - Quantum Deformed Neural Networks [83.71196337378022]
我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。
入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
論文 参考訳(メタデータ) (2020-10-21T09:46:12Z) - Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。
我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。
以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文 参考訳(メタデータ) (2020-10-20T20:03:19Z) - A divide-and-conquer algorithm for quantum state preparation [2.2596039727344457]
本研究では,N次元ベクトルを多対数深度および絡み合った情報を持つ量子回路に負荷させることが可能であることを示す。
その結果,空間の計算時間を交換するために分割・対数戦略を用いて,量子デバイスに効率的にデータをロードできることが示唆された。
論文 参考訳(メタデータ) (2020-08-04T13:26:07Z)
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。