論文の概要: Explicit quantum surrogates for quantum kernel models

• arxiv url: http://arxiv.org/abs/2408.03000v1
• Date: Tue, 6 Aug 2024 07:15:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-07 14:49:26.946074
• Title: Explicit quantum surrogates for quantum kernel models
• Title（参考訳）: 量子カーネルモデルのための明示的量子サロゲート
• Authors: Akimoto Nakayama, Hayata Morisaki, Kosuke Mitarai, Hiroshi Ueda, Keisuke Fujii,
• Abstract要約: 暗黙的モデルの明示的量子サロゲート(EQS)を作成するための量子古典ハイブリッドアルゴリズムを提案する。 これには、暗黙のモデルから観測可能なものを対角化し、対応する量子回路を構築することが含まれる。 EQSフレームワークは予測コストを削減し、不毛の高原問題を軽減し、両方のQMLアプローチの長所を組み合わせる。
• 参考スコア（独自算出の注目度）: 0.6834295298053009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning (QML) leverages quantum states for data encoding, with key approaches being explicit models that use parameterized quantum circuits and implicit models that use quantum kernels. Implicit models often have lower training errors but face issues such as overfitting and high prediction costs, while explicit models can struggle with complex training and barren plateaus. We propose a quantum-classical hybrid algorithm to create an explicit quantum surrogate (EQS) for trained implicit models. This involves diagonalizing an observable from the implicit model and constructing a corresponding quantum circuit using an extended automatic quantum circuit encoding (AQCE) algorithm. The EQS framework reduces prediction costs, mitigates barren plateau issues, and combines the strengths of both QML approaches.
• Abstract（参考訳）: 量子機械学習(QML)は、量子状態をデータエンコーディングに利用し、パラメータ化された量子回路を使用する明示的なモデルと、量子カーネルを使用する暗黙的なモデルである。 暗黙のモデルはトレーニングエラーが低いことが多いが、過度な適合や高い予測コストといった問題に直面し、明示的なモデルは複雑なトレーニングや不規則な高原に苦しむことがある。 暗黙的モデルの明示的量子サロゲート(EQS)を作成するための量子古典ハイブリッドアルゴリズムを提案する。 これには、暗黙のモデルから観測可能なものを対角化し、拡張された自動量子回路符号化(AQCE)アルゴリズムを用いて対応する量子回路を構築することが含まれる。 EQSフレームワークは予測コストを削減し、不毛の高原問題を軽減し、両方のQMLアプローチの長所を組み合わせる。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum-Train: Rethinking Hybrid Quantum-Classical Machine Learning in the Model Compression Perspective [7.7063925534143705]
  本稿では,量子コンピューティングと機械学習アルゴリズムを統合する新しいアプローチであるQuantum-Train(QT)フレームワークを紹介する。 QTは、古典的なマッピングモデルと並んで量子ニューラルネットワークを利用することで、顕著な結果を得る。
  論文  参考訳（メタデータ） (2024-05-18T14:35:57Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Quantum Diffusion Models [0.0]
  生成拡散モデルの量子バージョンを提案する。 このアルゴリズムでは、量子状態を直接生成するために、ニューラルネットワークをパラメータ化量子回路に置き換える。 我々は、このアルゴリズムの完全量子バージョンと潜在量子バージョンの両方を示し、これらのモデルの条件付きバージョンも提示する。
  論文  参考訳（メタデータ） (2023-11-26T22:07:12Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Parameterized Quantum Circuits with Quantum Kernels for Machine Learning: A Hybrid Quantum-Classical Approach [0.8722210937404288]
  Kernel ized Quantum Circuits (PQCs) は一般に量子機械学習(QML)へのハイブリッドアプローチで使用される。 我々は、PQCと量子カーネルの重要な側面として、PQC、量子カーネル、量子アドバンテージを持つ量子カーネル、量子カーネルのトレーニング可能性について論じる。
  論文  参考訳（メタデータ） (2022-09-28T22:14:41Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Variational Quantum Policy Gradients with an Application to Quantum Control [0.0]
  量子機械学習モデルは、変分量子回路(VQC)によって非常に自然な方法で構成される。 本研究では,ハードウェア効率のよいアザッツを用いたポリシグラディエンスについて考察する。 量子ハードウェアを用いた勾配のエプシロン近似を求める複雑さは、パラメータの数と対数的にしか比較できないことを証明した。
  論文  参考訳（メタデータ） (2022-03-20T16:14:49Z)
• Quantum Neuron with Separable-State Encoding [0.0]
  現在利用可能な量子プロセッサにおいて、高度な量子ニューロンモデルを大規模にテストすることは、まだ不可能である。 マルチキュービットゲート数を削減した量子パーセプトロン(QP)モデルを提案する。 シミュレーション量子コンピュータにおいて,QPの量子ビットバージョンをいくつか実装することにより,提案モデルの性能を実証する。
  論文  参考訳（メタデータ） (2022-02-16T19:26:23Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。