論文の概要: Machine Learning for Quantum Computing Specialists

• arxiv url: http://arxiv.org/abs/2404.18555v1
• Date: Mon, 29 Apr 2024 09:54:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-30 14:07:29.242782
• Title: Machine Learning for Quantum Computing Specialists
• Title（参考訳）: 量子コンピューティングスペシャリストのための機械学習
• Authors: Daniel Goldsmith, M M Hassan Mahmud,
• Abstract要約: 量子機械学習(QML)は、量子コンピューティングにおける有望な早期ユースケースである。 この5年間、理論研究や数値シミュレーションから概念の証明まで進歩してきた。 現代の量子デバイスで実証されたユースケースには、医療画像とIrisデータセットからの項目の分類、手書き画像の分類と生成、毒性スクリーニング、確率分布の学習などがある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Quantum machine learning (QML) is a promising early use case for quantum computing. There has been progress in the last five years from theoretical studies and numerical simulations to proof of concepts. Use cases demonstrated on contemporary quantum devices include classifying medical images and items from the Iris dataset, classifying and generating handwritten images, toxicity screening, and learning a probability distribution. Potential benefits of QML include faster training and identification of feature maps not found classically. Although, these examples lack the scale for commercial exploitation, and it may be several years before QML algorithms replace the classical solutions, QML is an exciting area. This article is written for those who already have a sound knowledge of quantum computing and now wish to gain a basic overview of the terminology and some applications of classical machine learning ready to study quantum machine learning. The reader will already understand the relevant relevant linear algebra, including Hilbert spaces, a vector space with an inner product.
• Abstract（参考訳）: 量子機械学習(QML)は、量子コンピューティングにおける有望な早期ユースケースである。 この5年間、理論研究や数値シミュレーションから概念の証明まで進歩してきた。 現代の量子デバイスで実証されたユースケースには、医療画像とIrisデータセットからの項目の分類、手書き画像の分類と生成、毒性スクリーニング、確率分布の学習などがある。 QMLの潜在的な利点は、古典的に見つからない特徴マップの高速なトレーニングと識別である。 これらの例は商用利用の規模に欠けており、QMLアルゴリズムが古典的なソリューションを置き換えるのに数年かかるかもしれないが、QMLはエキサイティングな分野である。 この記事は、量子コンピューティングの知識をすでに持っている人のために書かれており、量子機械学習を研究する準備ができている古典的機械学習の用語といくつかの応用について、基礎的な概要を知りたいと願っている。 読者はヒルベルト空間(内積を持つベクトル空間)を含む関連する線型代数を既に理解している。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• 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 Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• Quantum Text Classifier -- A Synchronistic Approach Towards Classical and Quantum Machine Learning [0.0]
  量子コンピューティングにおける機械学習パイプラインの実行可能性を示すために、方法とアルゴリズムが開発されている。 一般的なQML(Quantum Machine Learning)アルゴリズムとアプリケーションに関する作業が進行中です。 本稿では、機械学習の読者に対して、量子機械学習w.r.tテキスト分類を導入する。
  論文  参考訳（メタデータ） (2023-05-22T07:27:37Z)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Towards AutoQML: A Cloud-Based Automated Circuit Architecture Search Framework [0.0]
  自動量子機械学習(AutoQML)への第一歩を踏み出す 本稿では,この問題の具体的記述を提案し,その後,古典的量子ハイブリッドクラウドアーキテクチャを開発する。 応用例として、量子生成適応ニューラルネットワーク(qGAN)をトレーニングし、既知の歴史的なデータ分布に従うエネルギー価格を生成する。
  論文  参考訳（メタデータ） (2022-02-16T12:37:10Z)
• Systematic Literature Review: Quantum Machine Learning and its applications [0.0]
  この写本は、2017年から2023年にかけて発行された論文の体系的文献レビューを提示することを目的としている。 本研究では、量子機械学習技術とアルゴリズムを使用した94の論文を特定した。 既存の量子コンピュータには、量子コンピューティングがその完全な潜在能力を達成するのに十分な品質、速度、スケールが欠けているため、量子ハードウェアの改善が必要である。
  論文  参考訳（メタデータ） (2022-01-11T17:36:34Z)
• Classification with Quantum Machine Learning: A Survey [17.55390082094971]
  我々は古典的機械学習(ML)と量子情報処理(QIP)を組み合わせることで、量子世界における量子機械学習(QML)と呼ばれる新しい分野を構築する。 本稿では,量子機械学習(QML)の最先端技術に関する包括的調査を提示し,要約する。
  論文  参考訳（メタデータ） (2020-06-22T14:05:31Z)

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。