論文の概要: Experimental Machine Learning with Classical and Quantum Data via NMR Quantum Kernels

• arxiv url: http://arxiv.org/abs/2412.09557v1
• Date: Thu, 12 Dec 2024 18:44:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 17:01:59.422569
• Title: Experimental Machine Learning with Classical and Quantum Data via NMR Quantum Kernels
• Title（参考訳）: NMR量子カーネルによる古典的および量子的データを用いた実験機械学習
• Authors: Vivek Sabarad, T. S. Mahesh,
• Abstract要約: 核磁気共鳴(NMR)プラットフォームで10ビットの星トポロジーレジスタ上に量子カーネルを実装した。 複数の量子コヒーレンス秩序の進化において、古典的なデータを実験的に符号化する。 量子カーネルは古典的および量子機械学習タスクにおいて強力な能力を示すことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Kernel methods map data into high-dimensional spaces, enabling linear algorithms to learn nonlinear functions without explicitly storing the feature vectors. Quantum kernel methods promise efficient learning by encoding feature maps into exponentially large Hilbert spaces inherent in quantum systems. In this work we implement quantum kernels on a 10-qubit star-topology register in a nuclear magnetic resonance (NMR) platform. We experimentally encode classical data in the evolution of multiple quantum coherence orders using data-dependent unitary transformations and then demonstrate one-dimensional regression and two-dimensional classification tasks. By extending the register to a double-layered star configuration, we propose an extended quantum kernel to handle non-parametrized operator inputs. By numerically simulating the extended quantum kernel, we show classification of entangling and nonentangling unitaries. These results confirm that quantum kernels exhibit strong capabilities in classical as well as quantum machine learning tasks.
• Abstract（参考訳）: カーネル法はデータを高次元空間にマッピングし、線形アルゴリズムが特徴ベクトルを明示的に記憶することなく非線形関数を学習できるようにする。 量子カーネル法は、特徴写像を量子系に固有の指数関数的に大きなヒルベルト空間に符号化することで効率的な学習を約束する。 この研究では、核磁気共鳴(NMR)プラットフォームで10ビットの星トポロジーレジスタ上に量子カーネルを実装する。 我々は、データ依存のユニタリ変換を用いて、複数の量子コヒーレンス順序の進化における古典的データを実験的に符号化し、1次元回帰および2次元分類タスクを示す。 レジスタを二重層星構成に拡張することにより、非パラメタライズされた演算子入力を処理するための拡張量子カーネルを提案する。 拡張量子カーネルを数値シミュレーションすることにより、エンタングリングと非エンタングリングのユニタリの分類を示す。 これらの結果から、量子カーネルは古典的だけでなく量子機械学習のタスクにも強い能力を持っていることが確認された。

関連論文リスト

• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• 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)
• Continuous-variable quantum kernel method on a programmable photonic quantum processor [0.0]
  CV量子カーネル法は,実験上の不完全条件下であっても,複数のデータセットを頑健に分類できることを実験的に証明した。 このデモンストレーションは、QMLのためのCV量子システムの実用性に光を当て、他のCVQMLアルゴリズムにおけるさらなる研究を刺激する。
  論文  参考訳（メタデータ） (2024-05-02T08:33:31Z)
• Quantum Kernel Machine Learning With Continuous Variables [0.0]
  量子カーネルを連続変数量子コンピューティングプラットフォームのための閉形式関数として表現する。 すべての核がガウス函数の積として表現され、特徴写像のパラメータの代数函数として表されることを示す。 我々は、GKP状態符号化のような無限星級数の特徴写像で定義されるカーネルを、有限星級数の特徴写像で定義されるカーネルによって任意に近似することができることを証明した。
  論文  参考訳（メタデータ） (2024-01-11T03:49:40Z)
• 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)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Quantum kernels with squeezed-state encoding for machine learning [0.0]
  連続可変量子状態にデータを符号化することで量子カーネル法を一般化する。 カーネルは量子コンピュータ上で計算され、古典的な機械学習と組み合わせられる。
  論文  参考訳（メタデータ） (2021-08-25T08:24:54Z)
• Quantum-enhanced bosonic learning machine [0.0]
  本稿では,量子データに閉じ込められたイオンのシステムで動作させる量子強化ボソニック学習マシンについて述べる。 我々は、高次元量子状態の集合におけるパターンを認識するために、教師なしK平均アルゴリズムを実装した。 得られた知識を用いて、未知の量子状態を教師付きk-NNアルゴリズムで分類する。
  論文  参考訳（メタデータ） (2021-04-09T02:44:57Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• Quantum embeddings for machine learning [5.16230883032882]
  量子分類器は、機械学習モデルとして使用されるトレーニング可能な量子回路である。 我々は、ヒルベルト空間におけるデータクラスを最大限に分離することを目的として、回路の最初の部分(埋め込み)を訓練することを提案する。 このアプローチは量子機械学習のための強力な分析フレームワークを提供する。
  論文  参考訳（メタデータ） (2020-01-10T19:00:01Z)

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。