論文の概要: Quantum Circuit for Imputation of Missing Data

• arxiv url: http://arxiv.org/abs/2405.04367v1
• Date: Tue, 7 May 2024 14:48:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 13:50:50.368652
• Title: Quantum Circuit for Imputation of Missing Data
• Title（参考訳）: 欠測データのインプットのための量子回路
• Authors: Claudio Sanavio, Simone Tibaldi, Edoardo Tignone, Elisa Ercolessi,
• Abstract要約: ゲート複雑性を持つ変分量子回路を$O(N)$と$O(N2)$で構築する。 結果の良好な収束性を求める一連のデータセット上で、アルゴリズムのパフォーマンスをトレーニングし、テストする。
• 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: The imputation of missing data is a common procedure in data analysis that consists in predicting missing values of incomplete data points. In this work we analyse a variational quantum circuit for the imputation of missing data. We construct variational quantum circuits with gates complexity $O(N)$ and $O(N^2)$ that return the last missing bit of a binary string for a specific distribution. We train and test the performance of the algorithms on a series of datasets finding good convergence of the results. Finally, we test the circuit for generalization to unseen data. For simple systems, we are able to describe the circuit analytically, making possible to skip the tedious and unresolved problem of training the circuit with repetitive measurements. We find beforehand the optimal values of the parameters and we make use of them to construct an optimal circuit suited to the generation of truly random data.
• Abstract（参考訳）: 欠落データの計算は、不完全なデータポイントの欠落値を予測することで構成されるデータ分析における一般的な手順である。 本研究では、欠落したデータの計算のために変分量子回路を解析する。 ゲート複雑性$O(N)$と$O(N^2)$は、特定の分布に対してバイナリ文字列の最後の欠落ビットを返す。 結果の良好な収束性を求める一連のデータセット上で、アルゴリズムのパフォーマンスをトレーニングし、テストする。 最後に、この回路を用いて、未知のデータに対する一般化を検証した。 簡単なシステムでは、回路を解析的に記述することができ、繰り返し測定で回路をトレーニングする面倒で未解決の問題を省略することができる。 我々は事前にパラメータの最適値を見つけ、それを用いて真にランダムなデータを生成するのに適した最適回路を構築する。

関連論文リスト

• Redefining Lexicographical Ordering: Optimizing Pauli String Decompositions for Quantum Compiling [0.0]
  転化時間進化演算子を合成するための新しいアルゴリズムを提案する。 我々の合成手順は、ターゲット量子コンピュータの量子ビット接続を考慮に入れている。 ランダム化回路と異なる分子アンサーゼに有意な改善が認められた。
  論文  参考訳（メタデータ） (2024-08-01T07:50:16Z)
• Variational quantum regression algorithm with encoded data structure [0.21756081703276003]
  量子状態が古典的データテーブルを直接エンコードする量子回帰アルゴリズムを構築する。 量子サブルーチンを通して、古典的なデータ構造のリンクを直接利用することができることを示す。
  論文  参考訳（メタデータ） (2023-07-07T00:30:16Z)
• Complexity-Theoretic Limitations on Quantum Algorithms for Topological Data Analysis [59.545114016224254]
  トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。 我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。 我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
  論文  参考訳（メタデータ） (2022-09-28T17:53:25Z)
• Quantum Extremal Learning [0.8937790536664091]
  本稿では,関数出力を極大化する隠れ関数への入力を見つける過程である「極大学習のための量子アルゴリズム」を提案する。 量子エクストリームラーニング(quantum extremal Learning, QEL)と呼ばれるこのアルゴリズムは、データ入力と出力の関係をモデル化するために変分訓練されたパラメトリック量子回路で構成されている。
  論文  参考訳（メタデータ） (2022-05-05T17:37:26Z)
• Gaussian initializations help deep variational quantum circuits escape from the barren plateau [87.04438831673063]
  近年、変分量子回路は量子シミュレーションや量子機械学習に広く用いられている。 しかし、ランダムな構造を持つ量子回路は、回路深さと量子ビット数に関して指数関数的に消える勾配のため、トレーニング容易性が低い。 この結果、ディープ量子回路は実用的なタスクでは実現できないという一般的な信念が導かれる。
  論文  参考訳（メタデータ） (2022-03-17T15:06:40Z)
• Optimal qubit assignment and routing via integer programming [0.22940141855172028]
  論理量子回路を2ビット接続に制限のあるハードウェアにマッピングする問題を考察する。 我々はこの問題を2変数のネットワークフロー定式化を用いて整数線形プログラムとしてモデル化する。 本稿では,回路の忠実度,全深度,クロストークの尺度などのコスト関数について考察する。
  論文  参考訳（メタデータ） (2021-06-11T15:02:26Z)
• Quantum Algorithms for Data Representation and Analysis [68.754953879193]
  機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。 これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。 その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
  論文  参考訳（メタデータ） (2021-04-19T00:41:43Z)
• On the realistic worst case analysis of quantum arithmetic circuits [69.43216268165402]
  量子回路の設計における直観は誤解を招く可能性があることを示す。 また,T数を減らすことで,全深度を増大させることができることを示した。 リップルキャリーを用いた加算回路と乗算回路について述べる。
  論文  参考訳（メタデータ） (2021-01-12T21:36:16Z)
• Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
  本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。 この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
  論文  参考訳（メタデータ） (2020-08-06T17:48:12Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)
• Improved quantum circuits for elliptic curve discrete logarithms [6.058525641792685]
  楕円曲線スカラー乗算のための改良された量子回路を提案する。 可逆整数やモジュラ演算などの低レベル成分を最適化する。 Q#量子プログラミング言語における点加算の完全な実装を提供する。
  論文  参考訳（メタデータ） (2020-01-27T04:08:49Z)

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。