論文の概要: Enhancing Quantum Machine Learning: The Power of Non-Linear Optical Reproducing Kernels

• arxiv url: http://arxiv.org/abs/2407.13809v1
• Date: Thu, 18 Jul 2024 10:23:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 21:39:27.360566
• Title: Enhancing Quantum Machine Learning: The Power of Non-Linear Optical Reproducing Kernels
• Title（参考訳）: 量子機械学習の強化:非線形光再生カーネルのパワー
• Authors: Shahram Dehdashti, Prayag Tiwari, Kareem H. El Safty, Peter Bruza, Janis Notzel,
• Abstract要約: KerrカーネルはデータをKerrコヒーレント状態の位相と振幅にエンコードする。 本稿では,Kerrコヒーレント状態を用いた特徴空間を提案する。 月から乳がん診断まで,さまざまなデータセットを分析した。
• 参考スコア（独自算出の注目度）: 5.270019792959673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Amidst the array of quantum machine learning algorithms, the quantum kernel method has emerged as a focal point, primarily owing to its compatibility with noisy intermediate-scale quantum devices and its promise to achieve quantum advantage. This method operates by nonlinearly transforming data into feature space constructed with quantum states, enabling classification and regression tasks. In this study, we present a novel feature space constructed using Kerr coherent states, which generalize su(2), su(1, 1) coherent states, and squeezed states. Notably, the feature space exhibits constant curvature, comprising both spherical and hyperbolic geometries, depending on the sign of the Kerr parameter. Remarkably, the physical parameters associated with the coherent states, enable control over the curvature of the feature space. Our study employs Kerr kernels derived from encoding data into the phase and amplitude of Kerr coherent states. We analyze various datasets ranging from Moon to breast cancer diagnostics. Our findings demonstrate the robustness of Kerr coherent states, attributed to their flexibility in accommodating different hyperparameters, thereby offering superior performance across noisy datasets and hardware setups.
• Abstract（参考訳）: 量子機械学習アルゴリズムの配列の中で、量子カーネル法は、主にノイズの多い中間スケールの量子デバイスとの互換性と、量子上の優位性を達成するという約束のために焦点として登場した。 この方法は、データを量子状態で構築された特徴空間に非線形に変換することで、分類および回帰処理を可能にする。 本研究では,Su(2),Su(1, 1)コヒーレント状態,圧縮状態を一般化したKerrコヒーレント状態を用いた新しい特徴空間を提案する。 特に、特徴空間は一定の曲率を示し、Kerrパラメータの符号に依存する球面と双曲幾何学の両方を含む。 顕著なことに、コヒーレント状態に関連する物理的パラメータは、特徴空間の曲率の制御を可能にする。 本研究では、Kerrコヒーレント状態の位相と振幅にデータを符号化したKerrカーネルを用いる。 月から乳がん診断まで,さまざまなデータセットを分析した。 以上の結果から,Kerrコヒーレント状態のロバスト性は,異なるハイパーパラメータを収容する際の柔軟性に起因し,ノイズの多いデータセットやハードウェアセットアップに対して優れた性能を提供する。

関連論文リスト

• Quantum Kernel Machine Learning With Continuous Variables [0.0]
  人気の高いqubitフレームワークは、量子カーネル機械学習に関する最近の研究を支配している。 連続変数(CV)量子コンピューティングプラットフォームに対するこれらの概念を理解するための比較フレームワークは存在しない。
  論文  参考訳（メタデータ） (2024-01-11T03:49:40Z)
• Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
  この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。 逆スピン対分布関数による強いペアリング相関の出現を観察する。 この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-05-15T17:46:09Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Digital Quantum Simulation and Circuit Learning for the Generation of Coherent States [1.4153418423656923]
  量子回路におけるコヒーレントな状態をデジタル的に準備する2つの方法が導入された。 ディジタル生成されたコヒーレント状態の高忠実度を検証した。 シミュレーションの結果、量子回路学習は、適切なアンサーゼを選択することにより、コヒーレントな状態の学習に高い忠実性を提供できることが示された。
  論文  参考訳（メタデータ） (2022-10-30T09:06:21Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• 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)
• Generation and structuring of multipartite entanglement in Josephson parametric system [0.0]
  量子場の真空状態は、多部量子絡みの発生の鍵となる要素として作用することがある。 2つの連続ポンプトーン間の位相差を利用して, 真の三部形状の絡み合った状態の生成とその制御を実現する。 提案手法は,マイクロ波モードの真の四分割交絡を初めて実演することのできる,絡み合い構造のための包括的制御ツールボックスを提供する。
  論文  参考訳（メタデータ） (2022-03-17T11:16:32Z)
• Quantum kernels with squeezed-state encoding for machine learning [0.0]
  連続可変量子状態にデータを符号化することで量子カーネル法を一般化する。 カーネルは量子コンピュータ上で計算され、古典的な機械学習と組み合わせられる。
  論文  参考訳（メタデータ） (2021-08-25T08:24:54Z)
• Training Quantum Embedding Kernels on Near-Term Quantum Computers [0.08563354084119063]
  量子コンピュータのヒルベルト空間にデータを埋め込むことで構築された量子埋め込みカーネル(QEK)は、特定の量子カーネル技術である。 まず、量子埋め込みカーネルを紹介し、ノイズの多い短期量子コンピュータ上でそれらを実現する際に生じる現実的な問題を解析する。
  論文  参考訳（メタデータ） (2021-05-05T18:41:13Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• 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)

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。