論文の概要: Optimal Qubit Mapping Search for Encoding Classical Data into Matrix Product State Representation with Minimal Loss
- arxiv url: http://arxiv.org/abs/2406.06935v1
- Date: Tue, 11 Jun 2024 04:19:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-12 17:35:03.952180
- Title: Optimal Qubit Mapping Search for Encoding Classical Data into Matrix Product State Representation with Minimal Loss
- Title（参考訳）: 古典的データを最小損失の行列積状態表現に符号化する最適クビットマッピング探索
- Authors: Hyeongjun Jeon, Kyungmin Lee, Dongkyu Lee, Bongsang Kim, Taehyun Kim,
- Abstract要約: Matrix Product State (MPS) は、古典的なデータを量子状態に符号化するためのフレームワークを提供する。
本研究では,MPS表現の効率性と精度を向上させる手法について検討する。
- 参考スコア（独自算出の注目度）: 18.38555173266094
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Matrix product state (MPS) offers a framework for encoding classical data into quantum states, enabling the efficient utilization of quantum resources for data representation and processing. This research paper investigates techniques to enhance the efficiency and accuracy of MPS representations specifically designed for encoding classical data. Based on the observations that MPS truncation error depends on the pattern of the classical data, we devised an algorithm that finds optimal qubit mapping for given classical data, thereby improving the efficiency and fidelity of the MPS representation. Furthermore, we evaluate the impact of the optimized MPS in the context of quantum classifiers, demonstrating their enhanced performance compared to the conventional mapping. This improvement confirms the efficacy of the proposed techniques for encoding classical data into quantum states. MPS representation combined with optimal qubit mapping can pave a new way for more efficient and accurate quantum data representation and processing.
- Abstract（参考訳）: Matrix Product State(MPS)は、古典的なデータを量子状態にエンコードするフレームワークを提供する。
本研究では,古典データの符号化に特化して設計されたMPS表現の効率性と精度を向上させる手法について検討する。
提案手法は,MPSトランケーション誤差が古典データのパターンに依存するという観測に基づいて,与えられた古典データに対して最適な量子ビットマッピングを求めるアルゴリズムを考案し,MPS表現の効率と忠実性を向上させる。
さらに、量子分類器の文脈における最適化MPSの影響を評価し、従来のマッピングと比較して性能が向上したことを示す。
この改良により、古典的データを量子状態に符号化するための提案手法の有効性が確かめられる。
MPS表現と最適量子ビットマッピングを組み合わせることで、より効率的で正確な量子データ表現と処理のための新しい方法を開拓することができる。
関連論文リスト
- Patch-Based End-to-End Quantum Learning Network for Reduction and Classification of Classical Data [0.22099217573031676]
ノイズの多い中間スケール量子(NISQ)時代には、量子デコヒーレンス、クロストーク、不完全校正による誤差により、量子ビットの制御が制限される。
量子ネットワークによって処理される場合,画像などの大規模古典データのサイズを小さくする必要がある。
本稿では、このようなデータ削減を回避するために、古典的な注意機構を持つ動的パッチベースの量子ドメインデータ削減ネットワークを提案する。
論文 参考訳（メタデータ） (2024-09-23T16:58:02Z) - A coherent approach to quantum-classical optimization [0.0]
ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。
我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。
本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
論文 参考訳（メタデータ） (2024-09-20T22:22:53Z) - Enhancing the performance of Variational Quantum Classifiers with hybrid autoencoders [0.0]
本稿では,特定の量子埋め込みを考慮し,与えられたデータセットの次元性を低減する方法を提案する。
この方法は、VQCを用いた量子機械学習をより汎用的で高次元のデータセットに効果的にすることを目的としている。
論文 参考訳（メタデータ） (2024-09-05T08:51:20Z) - Strategic Data Re-Uploads: A Pathway to Improved Quantum Classification Data Re-Uploading Strategies for Improved Quantum Classifier Performance [0.0]
古典情報を複数回量子状態に再アップロードすると、量子分類器の精度が向上する。
線形分類パターン(LCP)と非線形分類パターン(NLCP)の2つの分類パターンに対するアプローチを実証する。
論文 参考訳（メタデータ） (2024-05-15T14:28:00Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - Quantum Data Encoding: A Comparative Analysis of Classical-to-Quantum
Mapping Techniques and Their Impact on Machine Learning Accuracy [0.0]
本研究では,古典的機械学習(ML)アルゴリズムへの量子データ埋め込み技術の統合について検討する。
その結果,量子データの埋め込みは,分類精度とF1スコアの向上に寄与することが判明した。
論文 参考訳（メタデータ） (2023-11-17T08:00:08Z) - Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳（メタデータ） (2023-10-14T02:13:26Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - Efficient Cluster-Based k-Nearest-Neighbor Machine Translation [65.69742565855395]
k-Nearest-Neighbor Machine Translation (kNN-MT)は、最近、ニューラルネットワーク翻訳(NMT)におけるドメイン適応のための非パラメトリックソリューションとして提案されている。
論文 参考訳（メタデータ） (2022-04-13T05:46:31Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳（メタデータ） (2021-06-27T06:27:22Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。