論文の概要: Hybrid model of the kernel method for quantum computers

• arxiv url: http://arxiv.org/abs/2410.23315v1
• Date: Tue, 29 Oct 2024 16:49:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:02:35.019128
• Title: Hybrid model of the kernel method for quantum computers
• Title（参考訳）: 量子コンピュータにおけるカーネル法のハイブリッドモデル
• Authors: Jhordan Silveira de Borba, Jonas Maziero,
• Abstract要約: 本稿では,古典的カーネル法に基づくハイブリッド学習手法と連続値のベクトル間の内部積の計算のための量子アルゴリズムを提案する。 テストケースでは,この新アルゴリズムを用いて,平面下にある有限正方形においてランダムに生成された新しい点が,この正方形内にある円の内外にあるか否かを分類した。 実験の結果, 99%のサンプルで新しい点を正確に検出できたが, 半径が理想よりもわずかに大きいため, 差は小さいことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The field of quantum machine learning is a promising way to lead to a revolution in intelligent data processing methods. In this way, a hybrid learning method based on classic kernel methods is proposed. This proposal also requires the development of a quantum algorithm for the calculation of internal products between vectors of continuous values. In order for this to be possible, it was necessary to make adaptations to the classic kernel method, since it is necessary to consider the limitations imposed by the Hilbert space of the quantum processor. As a test case, we applied this new algorithm to learn to classify whether new points generated randomly, in a finite square located under a plane, were found inside or outside a circle located inside this square. It was found that the algorithm was able to correctly detect new points in 99% of the samples tested, with a small difference due to considering the radius slightly larger than the ideal. However, the kernel method was able to perform classifications correctly, as well as the internal product algorithm successfully performed the internal product calculations using quantum resources. Thus, the present work represents a contribution to the area, proposing a new model of machine learning accessible to both physicists and computer scientists.
• Abstract（参考訳）: 量子機械学習の分野は、インテリジェントなデータ処理手法に革命をもたらす有望な方法である。 そこで本研究では,古典的カーネル手法に基づくハイブリッド学習手法を提案する。 この提案には、連続値のベクトル間の内部積の計算のための量子アルゴリズムの開発も必要である。 これを可能にするためには、量子プロセッサのヒルベルト空間が課す制限を考慮する必要があるため、古典的なカーネル法に適応する必要がある。 テストケースでは,この新アルゴリズムを用いて,平面下にある有限正方形においてランダムに生成された新しい点が,この正方形内にある円の内外にあるか否かを分類した。 実験の結果, 99%のサンプルで新しい点を正確に検出できたが, 半径が理想よりもわずかに大きいため, 差は小さいことがわかった。 しかし、カーネル法は分類を正しく行うことができ、内部積アルゴリズムは量子資源を用いて内部積の計算をうまく行うことができた。 このように、本研究はこの分野への貢献を表し、物理学者と計算機科学者の両方が利用できる新しい機械学習モデルを提案する。

関連論文リスト

• Kernel Descent -- a Novel Optimizer for Variational Quantum Algorithms [0.0]
  変動量子アルゴリズムの基礎となる関数を最小化するための新しいアルゴリズムであるカーネル降下を導入する。 特に、カーネル降下が勾配降下と量子解析降下より優れるシナリオを示す。 カーネル降下は、局所近似の構築において、再生されたカーネルヒルベルト空間技術(英語版)を使わずに、自身を分離する。
  論文  参考訳（メタデータ） (2024-09-16T13:10:26Z)
• Quantum Machine Learning: Quantum Kernel Methods [0.0]
  カーネルメソッドは古典的な機械学習において強力で一般的なテクニックである。 量子コンピュータ上でしか効率的に計算できない量子特徴空間を使用することで、量子上の優位性を導出することができる。 データ依存型投影量子カーネルは、古典的カーネルに対して大きな利点をもたらすことが示されている。
  論文  参考訳（メタデータ） (2024-05-02T23:45:29Z)
• Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
  一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。 耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。 距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
  論文  参考訳（メタデータ） (2024-02-22T16:33:48Z)
• Towards Efficient Quantum Anomaly Detection: One-Class SVMs using Variable Subsampling and Randomized Measurements [4.180897432770239]
  量子コンピューティングは、カーネル計算とモデルの精度を大幅に向上させる。 本稿では,量子カーネルの評価にランダム化計測を利用する方法と,可変サブサンプリングアンサンブル法を提案する。 実験の結果, トレーニング時間と推論時間は最大95%, 25%減少した。 不安定ではあるが、ランダム化測定の平均精度は古典的ラジアル基底関数カーネルのそれを上回っている。
  論文  参考訳（メタデータ） (2023-12-14T17:42:18Z)
• GRAPE optimization for open quantum systems with time-dependent decoherence rates driven by coherent and incoherent controls [77.34726150561087]
  グラディエントアセンセントパルス工学(GRAPE)法は量子制御の最適化に広く用いられている。 我々は、コヒーレント制御と非コヒーレント制御の両方によって駆動されるオープン量子系の目的関数を最適化するために、GRAPE法を採用する。 状態-状態遷移問題に対する数値シミュレーションによりアルゴリズムの効率を実証する。
  論文  参考訳（メタデータ） (2023-07-17T13:37:18Z)
• Higher-order topological kernels via quantum computation [68.8204255655161]
  トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。 本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T14:48:52Z)
• Kernel quadrature with randomly pivoted Cholesky [0.0]
  本稿では、ランダムにピボットされたチョーレスキーと呼ばれるサンプリングアルゴリズムによって引き起こされたノードを用いて、再生カーネルヒルベルト空間の関数に対する新しい二次規則を提案する。 その結果、ランダムにピボットされたコレスキーは高速で、より計算に高価な二次スキームに匹敵する4次誤差率が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-06T18:33:40Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Learning "best" kernels from data in Gaussian process regression. With application to aerodynamics [0.4588028371034406]
  本稿では,ガウス過程の回帰/クリギングサロゲートモデリング手法におけるカーネルの選択/設計アルゴリズムを紹介する。 アルゴリズムの最初のクラスはカーネルフローであり、機械学習の分類の文脈で導入された。 アルゴリズムの第2のクラスはスペクトル核リッジ回帰と呼ばれ、近似される関数のノルムが最小となるような「最良の」カーネルを選択することを目的としている。
  論文  参考訳（メタデータ） (2022-06-03T07:50:54Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)
• Disentangling the Gauss-Newton Method and Approximate Inference for Neural Networks [96.87076679064499]
  我々は一般化されたガウスニュートンを解き、ベイズ深層学習の近似推論を行う。 ガウス・ニュートン法は基礎となる確率モデルを大幅に単純化する。 ガウス過程への接続は、新しい関数空間推論アルゴリズムを可能にする。
  論文  参考訳（メタデータ） (2020-07-21T17:42:58Z)

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。