論文の概要: An Efficient Quantum Binary-Neuron Algorithm for Accurate Multi-Story Floor Localization
- arxiv url: http://arxiv.org/abs/2409.00792v1
- Date: Sun, 1 Sep 2024 18:09:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 09:01:41.277152
- Title: An Efficient Quantum Binary-Neuron Algorithm for Accurate Multi-Story Floor Localization
- Title（参考訳）: 高精度な多段階床位置推定のための効率的な量子二元ネロンアルゴリズム
- Authors: Yousef Zook, Ahmed Shokry, Moustafa Youssef,
- Abstract要約: 本稿では,正確な多層局所化のための量子アルゴリズムを提案する。
提案アルゴリズムは,実際のIBM量子マシン上で実装し,実際の屋内テストベッド上で評価する。
- 参考スコア（独自算出の注目度）: 4.415197030186768
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate floor localization in a multi-story environment is an important but challenging task. Among the current floor localization techniques, fingerprinting is the mainstream technology due to its accuracy in noisy environments. To achieve accurate floor localization in a building with many floors, we have to collect sufficient data on each floor, which needs significant storage and running time; preventing fingerprinting techniques from scaling to support large multi-story buildings, especially on a worldwide scale. In this paper, we propose a quantum algorithm for accurate multi-story localization. The proposed algorithm leverages quantum computing concepts to provide an exponential enhancement in both space and running time compared to the classical counterparts. In addition, it builds on an efficient binary-neuron implementation that can be implemented using fewer qubits compared to the typical non-binary neurons, allowing for easier deployment with near-term quantum devices. We implement the proposed algorithm on a real IBM quantum machine and evaluate it on three real indoor testbeds. Results confirm the exponential saving in both time and space for the proposed quantum algorithm, while keeping the same localization accuracy compared to the traditional classical techniques, and using half the number of qubits required for other quantum localization algorithms.
- Abstract（参考訳）: 多層環境における正確なフロアローカライゼーションは重要な課題だが難しい課題である。
現在のフロアローカライズ技術の中では、ノイズの多い環境での精度のため、指紋認証が主流の技術である。
多くのフロアを有する建物において正確なフロアローカライゼーションを実現するためには,各フロアに十分なデータを収集する必要がある。
本稿では, 正確な多層局所化のための量子アルゴリズムを提案する。
提案アルゴリズムは量子コンピューティングの概念を活用し,古典的手法と比較して,空間と走行時間の両方を指数関数的に拡張する。
さらに、通常の非バイナリニューロンと比較して、より少ない量子ビットで実装できる効率的なバイナリ-ニューロンの実装の上に構築されており、短期的な量子デバイスでのデプロイが容易である。
提案アルゴリズムは,実際のIBM量子マシン上で実装し,実際の屋内テストベッド上で評価する。
その結果、提案した量子アルゴリズムの時間と空間の指数的節約は、従来の古典的手法と同等な局所化精度を維持し、他の量子局在化アルゴリズムに必要な量子ビットの数を半分に抑えることができた。
関連論文リスト
- An Efficient Quantum Euclidean Similarity Algorithm for Worldwide Localization [4.962238993531738]
ワイヤレスローカライゼーションシステムのための効率的な量子ユークリッド類似性アルゴリズムを提案する。
提案した量子アルゴリズムは、古典的なアルゴリズムに比べて指数関数的に改善された複雑性を提供する。
論文 参考訳（メタデータ） (2024-07-19T21:52:49Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Approximate encoding of quantum states using shallow circuits [0.0]
量子シミュレーションとアルゴリズムの一般的な要件は、2量子ゲートのシーケンスを通して複雑な状態を作成することである。
ここでは、限られた数のゲートを用いて、ターゲット状態の近似符号化を作成することを目的とする。
我々の研究は、局所ゲートを用いて目標状態を作成する普遍的な方法を提供し、既知の戦略よりも大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2022-06-30T18:00:04Z) - Device-independent Quantum Fingerprinting for Large Scale Localization [6.141741864834815]
デバイスに依存しない量子指紋マッチングアルゴリズムQHFPを提案する。
特に,従来の手法よりも指数関数的に優れた複雑性を持つ量子アルゴリズムを提案する。
その結果,QHFPが空間と走行時間を指数的に改善し,正確な推定位置を得る能力が確認された。
論文 参考訳（メタデータ） (2022-06-22T04:35:17Z) - ZippyPoint: Fast Interest Point Detection, Description, and Matching
through Mixed Precision Discretization [71.91942002659795]
我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。
バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。
これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
論文 参考訳（メタデータ） (2022-03-07T18:59:03Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳（メタデータ） (2021-06-24T08:18:42Z) - Quantized Neural Networks via {-1, +1} Encoding Decomposition and
Acceleration [83.84684675841167]
本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。
本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
論文 参考訳（メタデータ） (2021-06-18T03:11:15Z) - Variational learning for quantum artificial neural networks [0.0]
まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。
次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。
メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
論文 参考訳（メタデータ） (2021-03-03T16:10:15Z) - Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。
MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文 参考訳（メタデータ） (2020-12-08T01:10:30Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z)
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。