Fugu-MT 論文翻訳(概要): Representation of Classical Data on Quantum Computers

論文の概要: Representation of Classical Data on Quantum Computers

arxiv url: http://arxiv.org/abs/2410.00742v2
Date: Tue, 26 Nov 2024 15:21:01 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-27 13:31:09.825730
Title: Representation of Classical Data on Quantum Computers
Title（参考訳）: 量子コンピュータにおける古典的データの表現
Authors: Thomas Lang, Anja Heim, Kilian Dremel, Dimitri Prjamkov, Martin Blaimer, Markus Firsching, Anastasia Papadaki, Stefan Kasperl, Theobald OJ Fuchs,
Abstract要約: 量子コンピューティングシステムに使用されるデータを表現することは必須である。本報告では,ゲート型量子コンピュータ上でのこれらのデータ型表現方法の概要について述べる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Quantum computing is currently gaining significant attention, not only from the academic community but also from industry, due to its potential applications across several fields for addressing complex problems. For any practical problem which may be tackled using quantum computing, it is imperative to represent the data used onto a quantum computing system. Depending on the application, many different types of data and data structures occur, including regular numbers, higher-dimensional data structures, e.g., n-dimensional images, up to graphs. This report aims to provide an overview of existing methods for representing these data types on gate-based quantum computers.
Abstract（参考訳）: 量子コンピューティングは現在、学術的なコミュニティだけでなく、産業からも注目されている。量子コンピューティングを用いて取り組まなければならない現実的な問題に対して、量子コンピューティングシステムで使用されるデータを表現することは必須である。アプリケーションによっては、正規数、高次元のデータ構造、例えばn次元の画像など、さまざまな種類のデータ構造やデータ構造が発生する。本報告では,ゲート型量子コンピュータ上でのこれらのデータ型表現方法の概要について述べる。

関連論文リスト

Towards structure-preserving quantum encodings [0.2118773996967412]
量子コンピュータは、機械学習タスクに量子コンピュータの潜在的な計算上の利点を利用することができる。このようなエンコーディングの選択は、あるタスクから別のタスクへと大きく異なり、構造がそれらの設計と実装に関する洞察を与えているケースはわずかである。本稿では、カテゴリ理論が、データセットや学習タスクに固有の構造を尊重するエンコーディングを解析するための自然な数学的枠組みを提供するという視点を提案する。
論文参考訳（メタデータ） (2024-12-23T18:32:08Z)
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)
Guided Quantum Compression for High Dimensional Data Classification [0.0]
量子機械学習は、データ分析に根本的に異なるアプローチを提供する。本稿では,量子分類モデルを用いて次元削減タスクを統一する古典量子パラダイムを設計する。本稿では,このアーキテクチャが従来の量子機械学習手法よりも優れていることを実証する。
論文参考訳（メタデータ） (2024-02-14T19:01:51Z)
Realization of quantum algorithms with qudits [0.7892577704654171]
我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
論文参考訳（メタデータ） (2023-11-20T18:34:19Z)
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)
Machine learning applications for noisy intermediate-scale quantum computers [0.0]
NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-19T09:26:57Z)
Scalable approach to many-body localization via quantum data [69.3939291118954]
多体局在は、量子多体物理学の非常に難しい現象である。計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
論文参考訳（メタデータ） (2022-02-17T19:00:09Z)
Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文参考訳（メタデータ） (2021-11-19T12:35:26Z)
Large-scale quantum machine learning [0.0]
ランダム化計測を用いて量子カーネルを計測し、2次高速化を行い、大規模データセットを高速に処理する。我々は高次元データを回路深度と線形にスケーリングする特徴数で量子コンピュータに効率的にエンコードする。現在利用可能な量子コンピュータを使用して、MNISTデータベースは10年ではなく220時間以内に処理できる。
論文参考訳（メタデータ） (2021-08-02T17:00:18Z)
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)

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。