論文の概要: Supervised binary classification of small-scale digits images with a trapped-ion quantum processor

• arxiv url: http://arxiv.org/abs/2406.12007v1
• Date: Mon, 17 Jun 2024 18:20:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-06-20 00:16:57.262549
• Title: Supervised binary classification of small-scale digits images with a trapped-ion quantum processor
• Title（参考訳）: トラップイオン量子プロセッサによる小型ディジット画像の2値化
• Authors: Ilia V. Zalivako, Alexander I. Gircha, Anastasiia S. Nikolaeva, Denis A. Drozhzhin, Alexander S. Borisenko, Andrei E. Korolkov, Nikita V. Semenin, Kristina P. Galstyan, Pavel A. Kamenskikh, Vasilii N. Smirnov, Mikhail A. Aksenov, Pavel L. Sidorov, Evgeniy O. Kiktenko, Ksenia Yu. Khabarova, Aleksey K. Fedorov, Nikolay N. Kolachevsky, Ilya A. Semerikov,
• Abstract要約: 量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
• 参考スコア（独自算出の注目度）: 56.089799129458875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Here we present the results of benchmarking of a quantum processor based on trapped $^{171}$Yb$^{+}$ ions by performing basic quantum machine learning algorithms. Specifically, we carry out a supervised binary classification of small-scale digits images, which are intentionally chosen so that they can be classified with 100% accuracy, using a quantum-enhanced Support Vector Machine algorithm with up to four qubits. In our work, we specifically consider different types of quantum encodings of the dataset and different levels of transpilation optimizations for the corresponding quantum circuits. For each quantum encoding, we obtain a classifier that is of 100% accuracy on both training and test sets, which demonstrates that the quantum processor can correctly solve the basic classification task considered. As we expect, with the increase of the capabilities quantum processors, they can become a useful tool for machine learning.
• Abstract（参考訳）: 本稿では、基本量子機械学習アルゴリズムを実行することにより、捕捉された$^{171}$Yb$^{+}$イオンに基づく量子プロセッサのベンチマーク結果を示す。 具体的には、最大4キュービットの量子化されたサポートベクトルマシンアルゴリズムを用いて、100%精度で分類できるように意図的に選択された小型桁画像の教師付きバイナリ分類を行う。 本研究では、データセットの異なる種類の量子符号化と、対応する量子回路に対する異なるレベルのトランスパイル最適化について検討する。 各量子符号化において、トレーニングセットとテストセットの両方で100%精度の高い分類器が得られ、量子プロセッサが考慮された基本的な分類タスクを正しく解くことができることを示す。 期待通り、量子プロセッサの能力が向上すれば、機械学習の有用なツールになるでしょう。

関連論文リスト

• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Quantum ensemble learning with a programmable superconducting processor [21.725285453891022]
  AdaBoost.Qは、古典的適応ブースティング(AdaBoost)アルゴリズムの量子適応である。 我々は,プログラム可能な超伝導プロセッサに対するアプローチの汎用性を実験的に実証した。 1万以上のテストサンプルに対して,10クラス分類タスクに対して86%以上の精度を達成し,1,564以上の量子特徴認識タスクに対して100%の精度を達成した。
  論文  参考訳（メタデータ） (2025-03-14T03:30:34Z)
• Addressing the Readout Problem in Quantum Differential Equation Algorithms with Quantum Scientific Machine Learning [14.379311972506791]
  正確な量子状態の読み出しは、トモグラフィーの複雑さによってボトルネックとなる。 量子微分方程式の出力を量子データとして扱い、低次元の出力を抽出できることを実証する。 この量子科学機械学習手法を用いて衝撃波の検出と乱流モデリングの解を分類する。
  論文  参考訳（メタデータ） (2024-11-21T16:09:08Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Quantum machine learning for multiclass classification beyond kernel methods [21.23851138896271]
  本稿では,実世界の応用において,量子カーネル法がマルチクラス分類の効率を高めることを示す量子アルゴリズムを提案する。 量子シミュレーションの結果、量子アルゴリズムは6つの現実世界の分類問題に対処する点で古典的よりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-11-05T08:58:30Z)
• 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)
• Quadratic speed-ups in quantum kernelized binary classification [1.3812010983144802]
  量子カーネルをデータ間の類似性の尺度として使用するいくつかの量子機械学習アルゴリズムが登場し、量子状態として符号化されたデータセットのバイナリ分類を実行するようになった。 本稿では,QKCに対する新しい量子回路を提案し,量子ビットの数を1つ減らし,サンプルデータに対して回路深さを線形に減らした。 Irisデータセットの数値シミュレーションにより,従来の手法よりも2次的な高速化を検証した。
  論文  参考訳（メタデータ） (2024-03-26T07:39:48Z)
• Realization of quantum algorithms with qudits [0.7892577704654171]
  我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。 我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。 これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
  論文  参考訳（メタデータ） (2023-11-20T18:34:19Z)
• Sample efficient graph classification using binary Gaussian boson sampling [0.0]
  本稿では,グラフ構造化データを用いた機械学習タスクにおける量子アルゴリズムの変形について述べる。 我々の装置は、光子数分解検出器とは対照的に、バイナリ(光/光)検出器のみを必要とする。
  論文  参考訳（メタデータ） (2023-01-03T17:23:43Z)
• 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)
• Oblivious Quantum Computation and Delegated Multiparty Quantum Computation [61.12008553173672]
  本稿では、入力量子ビットの秘密性と量子ゲートを識別するプログラムを必要とする新しい計算量子計算法を提案する。 本稿では,この課題に対する2サーバプロトコルを提案する。 また,従来の通信のみを用いて,複数のユーザがサーバにマルチパーティ量子計算を依頼する多パーティ量子計算についても論じる。
  論文  参考訳（メタデータ） (2022-11-02T09:01:33Z)
• An example of use of Variational Methods in Quantum Machine Learning [0.0]
  本稿では,平面上の特定の幾何学的パターンの点を二項分類する量子ニューラルネットワークを提案する。 その意図は、ポイントを正しく認識し分類できる最小限のトレーニング可能なパラメータを持つ量子ディープニューラルネットワークを作ることであった。
  論文  参考訳（メタデータ） (2022-08-07T03:52:42Z)
• Quantum algorithm for neural network enhanced multi-class parallel classification [0.3314882635954752]
  提案アルゴリズムは,高い分類精度,高速収束,表現能力を有する。 L$クラスの分類タスクでは、量子回路の空間と時間の複雑さはそれぞれ$O(L*logL)$と$O(logL)$である。
  論文  参考訳（メタデータ） (2022-03-08T14:06:13Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Polyadic Quantum Classifier [0.0]
  NISQアーキテクチャ上でのマルチクラス分類のための教師付き量子機械学習アルゴリズムを紹介する。 パラメトリック量子回路は、入力されたデータポイントのクラスに対応する特定のビット文字列を出力するように訓練される。 我々は、IBMq 5量子ビット量子コンピュータ上でそれをトレーニングし、テストし、そのアルゴリズムは精度が高いことを示す。
  論文  参考訳（メタデータ） (2020-07-28T08:00:12Z)
• QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
  QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。 ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
  論文  参考訳（メタデータ） (2020-07-21T15:36:25Z)
• Quantum ensemble of trained classifiers [2.048335092363436]
  量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。 量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
  論文  参考訳（メタデータ） (2020-07-18T01:01:33Z)

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。