論文の概要: Phase-space negativity as a computational resource for quantum kernel methods
- arxiv url: http://arxiv.org/abs/2405.12378v1
- Date: Mon, 20 May 2024 21:18:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-22 14:57:39.875185
- Title: Phase-space negativity as a computational resource for quantum kernel methods
- Title（参考訳）: 量子核法における計算資源としての位相空間負性
- Authors: Ulysse Chabaud, Roohollah Ghobadi, Salman Beigi, Saleh Rahimi-Keshari,
- Abstract要約: 量子カーネル法は、機械学習において量子計算の優位性を達成するための提案である。
ボゾン系に対する量子核関数の最適古典的推定に十分な条件を提供する。
本研究は, 量子機械学習において, 位相空間-確率分布における負性性の役割を担っている。
- 参考スコア（独自算出の注目度）: 2.5499055723658097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum kernel methods are a proposal for achieving quantum computational advantage in machine learning. They are based on a hybrid classical-quantum computation where a function called the quantum kernel is estimated by a quantum device while the rest of the computation is performed classically. Quantum advantages may be achieved through this method only if the quantum kernel function cannot be estimated efficiently on a classical computer. In this paper, we provide sufficient conditions for the efficient classical estimation of quantum kernel functions for bosonic systems. Specifically, we show that if the negativity in the phase-space quasi-probability distributions of data-encoding quantum states associated with the quantum kernel scales at most polynomially with the size of the quantum circuit, then the kernel function can be estimated efficiently classically. We consider quantum optical examples involving linear-optical networks with and without adaptive non-Gaussian measurements and investigate the effects of loss on the efficiency of the classical simulation. Our results underpin the role of the negativity in phase-space quasi-probability distributions as an essential resource in quantum machine learning based on kernel methods.
- Abstract（参考訳）: 量子カーネル法は、機械学習において量子計算の優位性を達成するための提案である。
量子カーネルと呼ばれる関数は量子デバイスによって推定され、残りの計算は古典的に実行される。
量子カーネル関数が古典的コンピュータ上で効率的に推定できない場合に限り、この方法で量子上の優位性を達成することができる。
本稿では,ボゾン系における量子カーネル関数の最適古典的推定に十分な条件を提供する。
具体的には、量子カーネルに関連付けられた量子状態の位相空間準確率分布における負性度が、量子回路の大きさと多項式的にほぼ一致している場合、カーネル関数を古典的に効率的に推定できることを示す。
我々は、適応的な非ガウス測度を持つ線形光学ネットワークを含む量子光学的例を考察し、古典的シミュレーションの効率に対する損失の影響について検討する。
本研究は, カーネル法に基づく量子機械学習において, 位相空間準確率分布における負性の役割を決定づけるものである。
関連論文リスト
- The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Quantum Machine Learning: Quantum Kernel Methods [0.0]
カーネルメソッドは古典的な機械学習において強力で一般的なテクニックである。
量子コンピュータ上でしか効率的に計算できない量子特徴空間を使用することで、量子上の優位性を導出することができる。
データ依存型投影量子カーネルは、古典的カーネルに対して大きな利点をもたらすことが示されている。
論文 参考訳（メタデータ） (2024-05-02T23:45:29Z) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - Effect of alternating layered ansatzes on trainability of projected
quantum kernel [0.0]
我々は, 層状アンサーゼを交互に配置した投影量子カーネルにおいて, 消滅する類似性問題について解析的, 数値解析的に検討した。
回路の深さ, 局所的なユニタリブロックの大きさ, 初期状態に依存することが判明し, 浅い交互層状アンサーゼを用いた場合, この問題は回避可能であることを示す。
論文 参考訳（メタデータ） (2023-09-30T12:32:39Z) - 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) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - A hybrid framework for estimating nonlinear functions of quantum states [2.0295402551142163]
モーメント$tr(rhom)$のような量子状態の非線形関数を推定することは、量子科学と技術に対する基礎的で実践的な関心である。
そこで、量子部分は一般化スワップテストによって構成され、古典的部分はランダム化測定から結果を後処理することで実現される。
論文 参考訳（メタデータ） (2022-08-17T17:22:26Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳（メタデータ） (2022-04-26T09:52:02Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳（メタデータ） (2021-08-30T23:50:05Z) - Efficient classical computation of expectation values in a class of
quantum circuits with an epistemically restricted phase space representation [0.0]
連続変数量子回路のクラスで生じる量子期待値を効率的に計算する古典的アルゴリズムを考案する。
古典的な計算アルゴリズムは、量子不確実性関係を直接キャプチャする古典位相空間の特定の制限を利用する。
論文 参考訳（メタデータ） (2021-06-21T06:43:34Z) - Quantum reservoir computing with a single nonlinear oscillator [0.0]
単一非線形発振器における連続可変量子貯水池計算を提案する。
量子古典的な性能向上を実証し、量子測定の非線形性(英語版)を推定する。
量子貯水池の性能がヒルベルト空間次元にどのように依存するか, 入射雑音の影響について検討し, その実験的な実装について簡単に述べる。
論文 参考訳（メタデータ） (2020-04-30T17:14:34Z)
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。