論文の概要: In Search of Quantum Advantage: Estimating the Number of Shots in Quantum Kernel Methods

• arxiv url: http://arxiv.org/abs/2407.15776v1
• Date: Mon, 22 Jul 2024 16:29:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 14:11:00.941229
• Title: In Search of Quantum Advantage: Estimating the Number of Shots in Quantum Kernel Methods
• Title（参考訳）: 量子アドバンテージの探索:量子カーネル法におけるショット数の推定
• Authors: Artur Miroszewski, Marco Fellous Asiani, Jakub Mielczarek, Bertrand Le Saux, Jakub Nalepa,
• Abstract要約: 本稿では,カーネル値の所望の精度を推定する手法を開発し,回路実行回数に変換する。 我々は、量子カーネル法は、機械学習のパフォーマンスの観点からだけでなく、リソース消費の文脈からも考慮すべきである、と強調する。
• 参考スコア（独自算出の注目度）: 30.565491081930997
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Machine Learning (QML) has gathered significant attention through approaches like Quantum Kernel Machines. While these methods hold considerable promise, their quantum nature presents inherent challenges. One major challenge is the limited resolution of estimated kernel values caused by the finite number of circuit runs performed on a quantum device. In this study, we propose a comprehensive system of rules and heuristics for estimating the required number of circuit runs in quantum kernel methods. We introduce two critical effects that necessitate an increased measurement precision through additional circuit runs: the spread effect and the concentration effect. The effects are analyzed in the context of fidelity and projected quantum kernels. To address these phenomena, we develop an approach for estimating desired precision of kernel values, which, in turn, is translated into the number of circuit runs. Our methodology is validated through extensive numerical simulations, focusing on the problem of exponential value concentration. We stress that quantum kernel methods should not only be considered from the machine learning performance perspective, but also from the context of the resource consumption. The results provide insights into the possible benefits of quantum kernel methods, offering a guidance for their application in quantum machine learning tasks.
• Abstract（参考訳）: 量子機械学習(QML)は、Quantum Kernel Machinesのようなアプローチを通じて大きな注目を集めている。 これらの手法はかなりの可能性を秘めているが、その量子的性質は固有の課題を呈している。 1つの大きな課題は、量子デバイス上で実行される有限数の回路によって生じる推定されたカーネル値の限定的な解決である。 本研究では,量子カーネル法において要求される回路数を推定するためのルールとヒューリスティックの包括的システムを提案する。 追加回路を通した測定精度の向上を必要とする2つの臨界効果(拡散効果と濃度効果)を紹介する。 これらの効果は、忠実性と投影された量子核の文脈で分析される。 これらの現象に対処するため、カーネル値の所望の精度を推定する手法を開発し、回路実行回数に変換する。 本手法は指数値集中の問題に着目し, 広範囲な数値シミュレーションにより検証した。 我々は、量子カーネル法は、機械学習のパフォーマンスの観点からだけでなく、リソース消費の文脈からも考慮すべきである、と強調する。 この結果は量子カーネルメソッドのメリットに関する洞察を与え、量子機械学習タスクにおけるその応用に関するガイダンスを提供する。

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)
• 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)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• 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)
• Exponential concentration in quantum kernel methods [0.0]
  本稿では,カーネルの値を正確に推定するために必要な資源の観点から,量子カーネルモデルの性能について検討する。 データ埋め込みの表現性、大域的測定、絡み合い、ノイズの4つの情報源を同定する。
  論文  参考訳（メタデータ） (2022-08-23T16:06:10Z)
• 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)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Quantum tangent kernel [0.8921166277011345]
  本研究では,パラメータ化量子回路を用いた量子機械学習モデルについて検討する。 深層量子回路のパラメータは、トレーニング中に初期値からあまり移動しないことがわかった。 このような深い変動量子機械学習は、別の創発的カーネルである量子タンジェントカーネルによって記述することができる。
  論文  参考訳（メタデータ） (2021-11-04T15:38:52Z)
• 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)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)

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。