論文の概要: Variational quantum classifiers via a programmable photonic microprocessor
- arxiv url: http://arxiv.org/abs/2412.02955v1
- Date: Wed, 04 Dec 2024 02:04:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-05 15:07:43.664337
- Title: Variational quantum classifiers via a programmable photonic microprocessor
- Title（参考訳）: プログラマブルフォトニックマイクロプロセッサによる変分量子分類器
- Authors: Hexiang Lin, Huihui Zhu, Zan Tang, Wei Luo, Wei Wang, Man-Wai Mak, Xudong Jiang, Lip Ket Chin, Leong Chuan Kwek, Ai Qun Liu,
- Abstract要約: 変分量子アルゴリズム(VQA)は、量子優位性を達成するための実行可能な戦略を提供する。
この研究はシリコンベースの量子フォトニックマイクロプロセッサと古典コンピュータを用いてVQCを実装している。
3つのバイナリ分類タスクのアキュラティはそれぞれ87.5%、92.5%、85.0%であり、現実世界のアイリスデータセットでは98.8%である。
- 参考スコア（独自算出の注目度）: 33.96719668786728
- License:
- Abstract: Quantum computing holds promise across various fields, particularly with the advent of Noisy Intermediate-Scale Quantum (NISQ) devices, which can outperform classical supercomputers in specific tasks. However, challenges such as noise and limited qubit capabilities hinder its practical applications. Variational Quantum Algorithms (VQAs) offer a viable strategy to achieve quantum advantage by combining quantum and classical computing. Leveraging on VQAs, the performance of Variational Quantum Classifiers (VQCs) is competitive with many classical classifiers. This work implements a VQC using a silicon-based quantum photonic microprocessor and a classical computer, demonstrating its effectiveness in nonlinear binary and multi-classification tasks. An efficient gradient free genetic algorithm is employed for training. The VQC's performance was evaluated on three synthetic binary classification tasks with square-, circular-, and sine-shape decision boundaries and a real-world multiclass Iris dataset. The accuracies on the three binary classification tasks were 87.5%, 92.5%, and 85.0%, respectively, and 98.8% on the real world Iris dataset, highlighting the platform's potential to handle complex data patterns.
- Abstract（参考訳）: 量子コンピューティングは、様々な分野、特に特定のタスクにおいて古典的スーパーコンピュータを上回る性能を持つ、ノイズのある中間量子(NISQ)装置の出現を約束している。
しかし、ノイズや量子ビット能力の制限といった課題は、その実用化を妨げている。
変分量子アルゴリズム(VQA)は、量子コンピューティングと古典コンピューティングを組み合わせた量子優位性を実現するための実行可能な戦略を提供する。
VQAを利用すると、変分量子分類器(VQC)の性能は多くの古典的分類器と競合する。
この研究は、シリコンベースの量子フォトニックマイクロプロセッサと古典コンピュータを用いてVQCを実装し、非線形二分法および多重分類タスクにおけるその効果を実証する。
効率的な勾配自由遺伝アルゴリズムが訓練に用いられている。
VQCの性能は、正方形、円形、正弦形の決定境界と実世界の多クラスアイリスデータセットを持つ3つの合成二分分類タスクで評価された。
3つのバイナリ分類タスクのアキュラティはそれぞれ87.5%、92.5%、85.0%であり、現実世界のIrisデータセットでは98.8%であり、複雑なデータパターンを扱うプラットフォームの可能性を強調している。
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) - JuliVQC: an Efficient Variational Quantum Circuit Simulator for Near-Term Quantum Algorithms [11.211074128868798]
JuliVQCは軽量だが非常に効率的な変分量子回路シミュレータである。
回路ノイズはSchr$ddottexto$dinger-Feynmanアルゴリズムのビルディングブロックとして広く用いられている。
論文 参考訳（メタデータ） (2024-06-27T14:36:34Z) - 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) - A Novel Spatial-Temporal Variational Quantum Circuit to Enable Deep
Learning on NISQ Devices [12.873184000122542]
本稿では,量子学習における非線形性を統合するために,新しい時空間設計,ST-VQCを提案する。
ST-VQCは、実際の量子コンピュータ上の既存のVQCと比較して30%以上の精度向上を達成できる。
論文 参考訳（メタデータ） (2023-07-19T06:17:16Z) - Delegated variational quantum algorithms based on quantum homomorphic
encryption [69.50567607858659]
変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。
クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。
量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
論文 参考訳（メタデータ） (2023-01-25T07:00:13Z) - Problem-Dependent Power of Quantum Neural Networks on Multi-Class
Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。
本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。
我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文 参考訳（メタデータ） (2022-12-29T10:46:40Z) - Improving Quantum Classifier Performance in NISQ Computers by Voting
Strategy from Ensemble Learning [9.257859576573942]
量子アルゴリズムでは、量子デコヒーレンスと量子ゲートのインプレクションによって大きな誤差率が発生する。
本研究では,アンサンブル量子分類器を複数投票で最適化することを提案する。
論文 参考訳（メタデータ） (2022-10-04T14:59:58Z) - Towards Feature Selection for Ranking and Classification Exploiting
Quantum Annealers [14.519254230787993]
本稿では,現在利用可能な量子コンピューティングアーキテクチャを用いて,ランク付けと分類の両面での2次特徴選択アルゴリズムの実現可能性について検討する。
量子コンピューティングハードウェアで得られる有効性は古典的な解法に匹敵するものであり、量子コンピュータは興味深い問題に取り組むのに十分な信頼性を持っていることを示している。
論文 参考訳（メタデータ） (2022-05-09T14:46:38Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳（メタデータ） (2022-01-04T01:53:42Z) - 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) - Efficient Discrete Feature Encoding for Variational Quantum Classifier [3.7576442570677253]
変分量子分類(VQC)は、量子的に有利な方法の一つである。
本稿では,量子ランダムアクセス符号化(QRAC)を用いて,離散的特徴をVQCの量子ビット数に効率的にマッピングする手法を提案する。
QRACがVQCのトレーニングを高速化するためには,マッピングのキュービット数を節約することで,パラメータを削減できることを実験的に示す。
論文 参考訳（メタデータ） (2020-05-29T04:43:14Z)
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。