論文の概要: Enhanced feature encoding and classification on distributed quantum hardware
- arxiv url: http://arxiv.org/abs/2412.01664v2
- Date: Thu, 12 Dec 2024 14:26:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 17:01:17.192025
- Title: Enhanced feature encoding and classification on distributed quantum hardware
- Title（参考訳）: 分散量子ハードウェアにおける特徴符号化と分類の強化
- Authors: Roberto Moretti, Andrea Giachero, Voica Radescu, Michele Grossi,
- Abstract要約: 量子支援ベクトルマシン(QSVM)のための新しい特徴マップ最適化手法を提案する。
ノイズの多い量子デバイスにおいて重要な要素である、キュービット接続、ネイティブゲートセット、回路深さなど、バックエンド固有のパラメータを考慮に入れます。
この研究は、各量子処理ユニット(QPU)を同じトポロジを持つ複数のサブユニットに分割して、個別のQSVMインスタンスを実装した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The steady progress of quantum hardware is motivating the search for novel quantum algorithm optimization strategies for near-term, real-world applications. In this study, we propose a novel feature map optimization strategy for Quantum Support Vector Machines (QSVMs), designed to enhance binary classification while taking into account backend-specific parameters, including qubit connectivity, native gate sets, and circuit depth, which are critical factors in noisy intermediate scale quantum (NISQ) devices. The dataset we utilised belongs to the neutrino physics domain, with applications in the search for neutrinoless double beta decay. A key contribution of this work is the parallelization of the classification task to commercially available superconducting quantum hardware to speed up the genetic search processes. The study was carried out by partitioning each quantum processing unit (QPU) into several sub-units with the same topology to implement individual QSVM instances. We conducted parallelization experiments with three IBM backends with more than 100 qubits, ranking the sub-units based on their susceptibility to noise. Data-driven simulations show how, under certain restrictions, parallelized genetic optimization can occur with the tested devices when retaining the top 20% ranked sub-units in the QPU.
- Abstract（参考訳）: 量子ハードウェアの着実に進歩は、近未来の実世界のアプリケーションのための新しい量子アルゴリズム最適化戦略の探索を動機付けている。
本研究では,量子支援ベクトルマシン(QSVM)の新たな特徴マップ最適化手法を提案する。これは,ノイズの多い中間規模量子(NISQ)デバイスにおいて重要な要素である,キュービット接続,ネイティブゲートセット,回路深さなど,バックエンド固有のパラメータを考慮したバイナリ分類の強化を目的としている。
我々が利用したデータセットはニュートリノ物理学領域に属し、ニュートリノのない二重ベータ崩壊の探索に応用されている。
この研究の重要な貢献は、分類タスクを市販の超伝導量子ハードウェアに並列化し、遺伝的検索プロセスを高速化することである。
この研究は、各量子処理ユニット(QPU)を同じトポロジを持つ複数のサブユニットに分割して、個別のQSVMインスタンスを実装した。
我々は、100量子ビット以上の3つのIBMバックエンドを用いて並列化実験を行い、ノイズに対する感受性に基づいてサブユニットをランク付けした。
データ駆動シミュレーションは、ある制限の下で、QPUの上位20%のサブユニットを保持するとき、テストされたデバイスで並列化された遺伝的最適化がどのように起こるかを示す。
関連論文リスト
- Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - 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) - Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。
我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。
我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
論文 参考訳（メタデータ） (2023-04-10T23:01:10Z) - Evolutionary-based quantum architecture search [0.0]
本稿では,高い表現力と訓練能力のバランスをとるために,進化型量子アーキテクチャ探索(EQAS)手法を提案する。
その結果,提案したEQASはパラメータ化の少ない最適なQCAを探索でき,より高い精度は3つのデータセットの分類タスクにEQASを適用して得られることがわかった。
論文 参考訳（メタデータ） (2022-12-01T10:51:58Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳（メタデータ） (2022-09-22T21:54:28Z) - 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) - Full-stack quantum computing systems in the NISQ era: algorithm-driven
and hardware-aware compilation techniques [1.3496450124792878]
現在のフルスタック量子コンピューティングシステムの概要について概説する。
我々は、隣接する層間の密な共設計と垂直な層間設計の必要性を強調します。
論文 参考訳（メタデータ） (2022-04-13T13:26:56Z) - Investigation of Quantum Support Vector Machine for Classification in
NISQ era [0.0]
本稿では,量子支援ベクトルマシン(QSVM)アルゴリズムとその回路バージョンについて検討する。
量子回路におけるトレーニングおよびテストデータサンプルを符号化し,QSVM回路実装手法の効率性を計算する。
我々は、現在のNISQデバイスにQSVMアルゴリズムを適用する際に直面する技術的困難を強調した。
論文 参考訳（メタデータ） (2021-12-13T18:59:39Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。