論文の概要: Certifiably Robust Encoding Schemes

• arxiv url: http://arxiv.org/abs/2408.01200v1
• Date: Fri, 2 Aug 2024 11:29:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 13:37:26.403523
• Title: Certifiably Robust Encoding Schemes
• Title（参考訳）: 能動的ロバスト符号化方式
• Authors: Aman Saxena, Tom Wollschläger, Nicola Franco, Jeanette Miriam Lorenz, Stephan Günnemann,
• Abstract要約: 量子機械学習は、量子力学の原理を使ってデータを処理し、速度と性能の潜在的な進歩を提供する。 これまでの研究では、これらのモデルが入力データを操作したり、量子回路のノイズを悪用したりする攻撃を受けやすいことが示されている。 本研究では,従来のデータ符号化方式における摂動に対するロバスト性を調べることで,この研究線を拡張した。
• 参考スコア（独自算出の注目度）: 40.54768963869454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning uses principles from quantum mechanics to process data, offering potential advances in speed and performance. However, previous work has shown that these models are susceptible to attacks that manipulate input data or exploit noise in quantum circuits. Following this, various studies have explored the robustness of these models. These works focus on the robustness certification of manipulations of the quantum states. We extend this line of research by investigating the robustness against perturbations in the classical data for a general class of data encoding schemes. We show that for such schemes, the addition of suitable noise channels is equivalent to evaluating the mean value of the noiseless classifier at the smoothed data, akin to Randomized Smoothing from classical machine learning. Using our general framework, we show that suitable additions of phase-damping noise channels improve empirical and provable robustness for the considered class of encoding schemes.
• Abstract（参考訳）: 量子機械学習は、量子力学の原理を使ってデータを処理し、速度と性能の潜在的な進歩を提供する。 しかし、以前の研究では、これらのモデルが入力データを操作する攻撃や量子回路のノイズを利用する攻撃に感受性があることが示されている。 これに続いて、これらのモデルの堅牢性について様々な研究がなされている。 これらの研究は、量子状態の操作の堅牢性証明に焦点を当てている。 本研究では,従来のデータ符号化方式における摂動に対するロバスト性を調べることで,この研究線を拡張した。 このようなスキームでは、従来の機械学習によるランダム化平滑化と類似した、スムーズなデータにおけるノイズレス分類器の平均値を評価するのに、適切なノイズチャネルの追加が等価であることを示す。 一般の枠組みを用いて、位相減衰型ノイズチャネルの適切な付加により、検討された符号化方式に対する経験的かつ証明可能なロバスト性が向上することを示す。

関連論文リスト

• Classical Verification of Quantum Learning Advantages with Noises [0.27930367518472443]
  本稿では,量子フーリエサンプリング回路で得られるノイズのない結果を再構成する,効率的な古典的誤り訂正アルゴリズムを提案する。 また、ランダムな例のオラクルにアクセス可能な古典的クライアントは、ノイズのある量子証明器によるパリティ学習結果の検証も可能であることを証明した。
  論文  参考訳（メタデータ） (2024-11-14T06:14:39Z)
• Tram: A Token-level Retrieval-augmented Mechanism for Source Code Summarization [76.57699934689468]
  ニューラルモデルの性能を高めるために,デコーダ側で詳細なTokenレベル検索強化機構(Tram)を提案する。 文脈的コードセマンティクスの取得におけるトークンレベルの検索の課題を克服するために,コードセマンティクスを個々の要約トークンに統合することを提案する。
  論文  参考訳（メタデータ） (2023-05-18T16:02:04Z)
• 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)
• Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise [68.1992787416233]
  量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。 我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
  論文  参考訳（メタデータ） (2022-11-02T05:17:04Z)
• 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)
• Binary classifiers for noisy datasets: a comparative study of existing quantum machine learning frameworks and some new approaches [0.0]
  バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。 ノイズの多いデータセットは 財務的なデータセットの中にあります 新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
  論文  参考訳（メタデータ） (2021-11-05T10:29:05Z)
• Machine learning approach for quantum non-Markovian noise classification [1.2891210250935146]
  機械学習と人工ニューラルネットワークモデルを用いてノイズの多い量子力学を分類できることを示した。 提案手法は, 多数の実験手法の直接的応用と, 既に利用可能な雑音型中間規模量子デバイスのノイズベンチマークへの応用が期待できる。
  論文  参考訳（メタデータ） (2021-01-08T20:56:56Z)
• Optimal Provable Robustness of Quantum Classification via Quantum Hypothesis Testing [14.684867444153625]
  量子機械学習モデルには、従来のモデルに比べてスピードアップと予測精度が向上する可能性がある。 これらの量子アルゴリズムは、古典的なアルゴリズムと同様に、入力摂動に弱いことが示されている。 これらは、ノイズの多い実装か、最悪のタイプのノイズとして、敵攻撃から生じる可能性がある。
  論文  参考訳（メタデータ） (2020-09-21T17:55:28Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)
• Robust data encodings for quantum classifiers [0.0]
  本稿では,二項量子分類のためのデータ符号化について検討し,その特性をノイズと無雑音の両方で検討する。 我々は,学習可能な決定境界のクラスと,雑音の有無で同一の分類を保持する点の集合を符号化によって決定することを示す。
  論文  参考訳（メタデータ） (2020-03-03T18:36:52Z)

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。