論文の概要: Quantum Machine Learning: Performance and Security Implications in Real-World Applications

• arxiv url: http://arxiv.org/abs/2408.04543v1
• Date: Thu, 8 Aug 2024 15:50:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-09 15:08:24.436829
• Title: Quantum Machine Learning: Performance and Security Implications in Real-World Applications
• Title（参考訳）: 量子機械学習 - 実世界のアプリケーションにおけるパフォーマンスとセキュリティへの影響
• Authors: Zhengping Jay Luo, Tyler Stewart, Mourya Narasareddygari, Rui Duan, Shangqing Zhao,
• Abstract要約: このポスターは、現実世界のアプリケーションにおける量子コンピューティングのパフォーマンスとセキュリティについて考察している。 本稿では,アルツハイマー病データセットを用いて,量子機械学習(QML)アルゴリズムの性能を従来のアルゴリズムと比較する。
• 参考スコア（独自算出の注目度）: 5.75595637818339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing has garnered significant attention in recent years from both academia and industry due to its potential to achieve a "quantum advantage" over classical computers. The advent of quantum computing introduces new challenges for security and privacy. This poster explores the performance and security implications of quantum computing through a case study of machine learning in a real-world application. We compare the performance of quantum machine learning (QML) algorithms to their classical counterparts using the Alzheimer's disease dataset. Our results indicate that QML algorithms show promising potential while they still have not surpassed classical algorithms in terms of learning capability and convergence difficulty, and running quantum algorithms through simulations on classical computers requires significantly large memory space and CPU time. Our study also indicates that QMLs have inherited vulnerabilities from classical machine learning algorithms while also introduce new attack vectors.
• Abstract（参考訳）: 量子コンピューティングは、古典的コンピュータよりも「量子優位」を達成できる可能性から、近年、学術と産業の両方から大きな注目を集めている。 量子コンピューティングの出現は、セキュリティとプライバシに対する新たな課題をもたらす。 このポスターは、現実世界のアプリケーションにおける機械学習のケーススタディを通じて、量子コンピューティングのパフォーマンスとセキュリティへの影響を探求している。 本稿では,アルツハイマー病データセットを用いて,量子機械学習(QML)アルゴリズムの性能を従来のアルゴリズムと比較する。 この結果から,QMLアルゴリズムは学習能力や収束の難しさという点では古典的アルゴリズムに勝ってはいないが,古典的コンピュータ上でのシミュレーションによる量子アルゴリズムの実行にはメモリ容量とCPU時間が非常に大きいことが示唆された。 我々の研究は、QMLが従来の機械学習アルゴリズムから脆弱性を継承し、新たな攻撃ベクトルも導入したことを示している。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• 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)
• 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)
• Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
  本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。 小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-01T20:55:03Z)
• Quantum-Assisted Simulation: A Framework for Developing Machine Learning Models in Quantum Computing [0.0]
  本稿では、量子コンピューティングの歴史を調査し、既存のQMLアルゴリズムを検証し、QMLアルゴリズムのシミュレーションを作成するための簡易な手順を提案する。 従来の機械学習と量子機械学習の両方のアプローチを用いて、データセット上でシミュレーションを行う。
  論文  参考訳（メタデータ） (2023-11-17T07:33:42Z)
• Machine learning on quantum experimental data toward solving quantum many-body problems [0.0]
  最大44量子ビットのシステムに対する古典的機械学習アルゴリズムの実装を成功例に示す。 我々は、多体物理学に関心のある問題に対するハイブリッドアプローチの適用性を拡張した。
  論文  参考訳（メタデータ） (2023-10-30T10:25:59Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Quantum Machine Learning For Classical Data [0.0]
  量子コンピューティングと教師付き機械学習アルゴリズムの交差について研究する。 特に,教師付き機械学習アルゴリズムの高速化に量子コンピュータがどの程度使えるかを検討する。
  論文  参考訳（メタデータ） (2021-05-08T12:11:44Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)
• QEML (Quantum Enhanced Machine Learning): Using Quantum Computing to Enhance ML Classifiers and Feature Spaces [0.49841205356595936]
  機械学習と量子コンピューティングは、特定のアルゴリズムのパフォーマンスと振る舞いにパラダイムシフトを引き起こしている。 本稿ではまず,量子的特徴空間の実装に関する数学的直観について述べる。 従来のKNNの分類手法を模倣した雑音変動量子回路KNNを構築した。
  論文  参考訳（メタデータ） (2020-02-22T04:14:32Z)

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。