論文の概要: Comparing Algorithms for Loading Classical Datasets into Quantum Memory
- arxiv url: http://arxiv.org/abs/2407.15745v1
- Date: Mon, 22 Jul 2024 15:43:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-23 14:20:51.526479
- Title: Comparing Algorithms for Loading Classical Datasets into Quantum Memory
- Title（参考訳）: 古典的データセットを量子メモリにロードするアルゴリズムの比較
- Authors: Andriy Miranskyy, Mushahid Khan, Udson Mendes,
- Abstract要約: 古典的データセットを量子メモリにロードするアルゴリズムを比較した。
5つの属性に基づく状態準備アルゴリズムの評価を行った。
また、視覚的に3つの指標(回路深度、キュービット数、古典ランタイム)を比較する。
- 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: Quantum computers are gaining importance in various applications like quantum machine learning and quantum signal processing. These applications face significant challenges in loading classical datasets into quantum memory. With numerous algorithms available and multiple quality attributes to consider, comparing data loading methods is complex. Our objective is to compare (in a structured manner) various algorithms for loading classical datasets into quantum memory (by converting statevectors to circuits). We evaluate state preparation algorithms based on five key attributes: circuit depth, qubit count, classical runtime, statevector representation (dense or sparse), and circuit alterability. We use the Pareto set as a multi-objective optimization tool to identify algorithms with the best combination of properties. To improve comprehension and speed up comparisons, we also visually compare three metrics (namely, circuit depth, qubit count, and classical runtime). We compare seven algorithms for dense statevector conversion and six for sparse statevector conversion. Our analysis reduces the initial set of algorithms to two dense and two sparse groups, highlighting inherent trade-offs. This comparison methodology offers a structured approach for selecting algorithms based on specific needs. Researchers and practitioners can use it to help select data-loading algorithms for various quantum computing tasks.
- Abstract（参考訳）: 量子コンピュータは、量子機械学習や量子信号処理といった様々な応用において重要性を増している。
これらのアプリケーションは、古典的なデータセットを量子メモリにロードする際の大きな課題に直面している。
多数のアルゴリズムが利用可能であり、考慮すべき品質特性が複数あるため、データのロード方法の比較は複雑である。
我々の目的は、古典的なデータセットを量子メモリにロードする(状態ベクトルを回路に変換する)様々なアルゴリズムを比較することである。
我々は,回路深度,キュービット数,古典的ランタイム,状態ベクトル表現(denseまたはsparse),回路変更性という5つの重要な属性に基づいて,状態生成アルゴリズムを評価する。
パレート集合を多目的最適化ツールとして使用し、プロパティの最適な組み合わせでアルゴリズムを識別する。
また,3つのメトリクス(回路深度,キュービット数,古典的実行時間)を視覚的に比較した。
我々は,高密度状態ベクトル変換のための7つのアルゴリズムとスパース状態ベクトル変換のための6つのアルゴリズムを比較した。
我々の分析では、初期アルゴリズムのセットを2つの密接なグループと2つのスパースグループに減らし、固有のトレードオフを強調している。
この比較手法は、特定のニーズに基づいてアルゴリズムを選択するための構造化されたアプローチを提供する。
研究者や実践者は、様々な量子コンピューティングタスクのためにデータローディングアルゴリズムを選択するのに役立つ。
関連論文リスト
- Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
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。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Generalized quantum Arimoto-Blahut algorithm and its application to
quantum information bottleneck [55.22418739014892]
量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。
3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。
数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-11-19T00:06:11Z) - Indirect Quantum Approximate Optimization Algorithms: application to the
TSP [1.1786249372283566]
量子交互作用素 Ansatz はベクトルの集合を記述するハミルトニアンを効率的にモデル化するためにユニタリ作用素の一般パラメータ化された族を考える。
このアルゴリズムは,(1)量子マシン上で実行される量子パラメトリゼーション回路が弦ベクトルの集合をモデル化し,(2)古典機械で実行される古典的メタ最適化ループ,(3)各弦ベクトル計算の平均コストを推定する。
論文 参考訳（メタデータ） (2023-11-06T17:39:14Z) - A Quantum-Inspired Binary Optimization Algorithm for Representative
Selection [0.0]
より大規模なデータセットから最も代表的なデータのサブセットを選択するためのセレクタアルゴリズムを提案する。
セレクタアルゴリズムは、より広範な資産の選択から多様化されたポートフォリオを構築するために使用できる。
実データを用いたセレクタアルゴリズムの2つのユースケースを示す。
論文 参考訳（メタデータ） (2023-01-04T22:07:22Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Quantum jet clustering with LHC simulated data [0.0]
2つの新しい量子アルゴリズムは、古典的なジェットクラスタリングアルゴリズムを高速化する。
最初の2つのアルゴリズムでは、次元とデータ長の指数的なスピードアップを達成することができる。
k_T$アルゴリズムでは、FastJetと同じ順序の量子バージョンが達成される。
論文 参考訳（メタデータ） (2022-09-19T10:51:13Z) - Variational Quantum and Quantum-Inspired Clustering [0.0]
本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。
このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
論文 参考訳（メタデータ） (2022-06-20T17:02:19Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - 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) - A quantum binary classifier based on cosine similarity [0.0]
提案した量子アルゴリズムは、設定された濃度とベクトルの次元の積の対数的な時間複雑性を持つデータベクトルの集合上の分類器を評価する。
本稿では,IBM 量子プロセッサ ibmq_16_melbourne 上の分類器の簡単な実装について述べる。
論文 参考訳（メタデータ） (2021-04-07T07:55:49Z)
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。