論文の概要: The Impact of Feature Embedding Placement in the Ansatz of a Quantum Kernel in QSVMs

• arxiv url: http://arxiv.org/abs/2409.13147v1
• Date: Fri, 20 Sep 2024 01:25:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 11:41:13.404167
• Title: The Impact of Feature Embedding Placement in the Ansatz of a Quantum Kernel in QSVMs
• Title（参考訳）: QSVMにおける量子カーネルのアンザッツにおける特徴埋め込み配置の影響
• Authors: Ilmo Salmenperä, Ilmars Kuhtarskis, Arianne Meijer van de Griend, Jukka K. Nurminen,
• Abstract要約: 量子埋め込みカーネル(QEK)における様々なアーキテクチャパターンの研究と分類を行う。 既存の建築様式は文献が想定しているように振る舞わないことを示す。 我々は、古いものに基づいた新しい代替アーキテクチャを作成し、古いものよりも少ないゲートを含む一方で、同等に機能することを示す。
• 参考スコア（独自算出の注目度）: 0.5399800035598186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing a useful feature map for a quantum kernel is a critical task when attempting to achieve an advantage over classical machine learning models. The choice of circuit architecture, i.e. how feature-dependent gates should be interwoven with other gates is a relatively unexplored problem and becomes very important when using a model of quantum kernels called Quantum Embedding Kernels (QEK). We study and categorize various architectural patterns in QEKs and show that existing architectural styles do not behave as the literature supposes. We also produce a novel alternative architecture based on the old ones and show that it performs equally well while containing fewer gates than its older counterparts.
• Abstract（参考訳）: 量子カーネルの有用な機能マップを設計することは、古典的な機械学習モデルに対するアドバンテージを達成するための重要なタスクである。 回路アーキテクチャの選択、すなわち、機能依存ゲートが他のゲートとどのように織り交ぜられるかは、比較的未解明の問題であり、量子埋め込みカーネル(QEK)と呼ばれる量子カーネルのモデルを使用する場合、非常に重要である。 我々は,QEKにおける様々なアーキテクチャパターンを研究,分類し,既存のアーキテクチャスタイルが文献が想定しているように振る舞わないことを示す。 また、古いものに基づいた新しい代替アーキテクチャも作成し、古いものよりも少ないゲートを含む一方で、同等に機能することを示す。

関連論文リスト

• Differentiable Quantum Architecture Search for Quantum Reinforcement Learning [30.324343192917606]
  微分可能量子アーキテクチャサーチ(DQAS)は、NISQ時代に自動的に量子回路を設計するための勾配ベースのフレームワークである。 この研究は、勾配に基づく量子アーキテクチャ探索が量子深層Q-ラーニングタスクに適用可能であることを示す最初のものである。
  論文  参考訳（メタデータ） (2023-09-19T07:45:39Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Mapping quantum algorithms to multi-core quantum computing architectures [1.8602413562219944]
  マルチコア量子コンピュータアーキテクチャは、高価なコア間通信のような新しい課題をもたらす。 マルチコア量子コンピューティングアーキテクチャにおける量子回路マッピング問題に関する詳細な批判的議論について述べる。 さらに、時間グラフ問題における分割として定式化されたマッピング手法の性能について検討する。
  論文  参考訳（メタデータ） (2023-03-28T16:46:59Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken Command Recognition [69.97260364850001]
  本稿では,量子カーネル学習(QKL)フレームワークを提案する。 古典的-量子的特徴符号化に基づく音響特性を計画する。
  論文  参考訳（メタデータ） (2022-11-02T16:46:23Z)
• Learning capability of parametrized quantum circuits [2.51657752676152]
  変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。 本稿では、Schuldらによる研究に基づいて、学習能力の新たな尺度を用いて、PQCの一般的なアンス・アゼと比較する。 また,Beerらが導入した分散量子ニューラルネットワーク(dQNN)についても検討し,その学習能力を高めるために,dQNNのデータ再アップロード構造を提案する。
  論文  参考訳（メタデータ） (2022-09-21T13:26:20Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)
• Differentiable Quantum Architecture Search [15.045985536395479]
  微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。 DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
  論文  参考訳（メタデータ） (2020-10-16T18:00:03Z)
• Simultaneous Quantum Machine Learning Training and Architecture Discovery [0.0]
  ゲーテッド量子機械学習アーキテクチャはオープンな問題である。 本稿では,そのパラメータを同時に学習しながら,ゲート量子機械学習アーキテクチャを学習する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-13T21:47:36Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。