論文の概要: New Quantum Algorithm for Principal Component Analysis
- arxiv url: http://arxiv.org/abs/2501.07891v1
- Date: Tue, 14 Jan 2025 07:13:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-15 17:02:04.401313
- Title: New Quantum Algorithm for Principal Component Analysis
- Title（参考訳）: 主成分分析のための新しい量子アルゴリズム
- Authors: Nhat A. Nghiem,
- Abstract要約: 量子主成分分析(QPCA)により、量子機械学習アルゴリズムへの新たな発展がもたらされた。
量子アルゴリズムの最近の進歩に触発されて、主成分分析を行うための代替的な量子フレームワークを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum principal component analysis (QPCA) ignited a new development toward quantum machine learning algorithms. Initially showcasing as an active way for analyzing a quantum system using the quantum state itself, QPCA also found potential application in analyzing a large-scale dataset, represented by the so-called covariance matrix. Inspired by recent advancement in quantum algorithms, we give an alternatively new quantum framework for performing principal component analysis. By analyzing the performance in detail, we shall identify the regime in which our proposal performs better than the original QPCA. In addition, we also provide a new approach for preparing the covariance matrix, given classical dataset, on a quantum computer. Thus, our work provides an efficient complementary framework for revealing features of the quantum state, while keeping the philosophy of original QPCA, as the state could play an active role in analyzing itself.
- Abstract（参考訳）: 量子主成分分析(QPCA)により、量子機械学習アルゴリズムへの新たな発展がもたらされた。
当初、量子状態自身を用いて量子システムを解析するためのアクティブな方法として、QPCAは、いわゆる共分散行列で表される大規模なデータセットを解析する潜在的な応用を見出した。
量子アルゴリズムの最近の進歩に触発されて、主成分分析を行うための代替的な量子フレームワークを提供する。
本稿では,その性能を詳細に分析することにより,提案手法が従来のQPCAよりも優れた性能を示す体制を同定する。
さらに、量子コンピュータ上で、古典的なデータセットを与えられた共分散行列を作成するための新しいアプローチも提供する。
このように、我々の研究は量子状態の特徴を明らかにするための効率的な補完的なフレームワークを提供し、また、状態が自身を分析する上で活発な役割を果たす可能性があるため、元のQPCAの哲学を保っている。
関連論文リスト
- Active Learning with Variational Quantum Circuits for Quantum Process Tomography [6.842224049271109]
本稿では,情報量子状態の集合を適応的に選択し,再構築をより効率的に行うためのアクティブラーニング(AL)フレームワークを提案する。
我々は委員会ベース、不確実性ベース、多様性ベースの3種類のALアルゴリズムを設計・評価する。
その結果, 量子状態の集合をランダムに選択するベースライン法と比較して, アルゴリズムが大幅に改善したことを示す。
論文 参考訳（メタデータ） (2024-12-30T13:12:56Z) - Variational Quantum Eigensolver: A Comparative Analysis of Classical and Quantum Optimization Methods [1.101002667958165]
実験ベッドモデルとしてIsingモデルに対する変分量子固有解法(VQE)の適用について検討した。
計算勾配フビニスタディメトリック(QN-SPSA)とシフトルール(PSR)による収束の正確な評価を組み合わせた新しい最適化手法QN-SPSA+PSRを提案する。
我々の結果は、量子機械学習の最適化セクションでさえ、VQAの最適化サブルーチンにおいて、新しい潜在的な量子超越性を提供する。
論文 参考訳（メタデータ） (2024-12-26T11:25:30Z) - Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - A quantum information theoretic analysis of reinforcement learning-assisted quantum architecture search [0.0]
本研究では,変分量子状態対角化問題に適したアンサッツ製造のためのRL-QASについて検討した。
我々はこれらの知見を活用して、最適な資源を用いてランダムな量子状態と対角化するために、QASの絡み合った許容アンサッツを考案する。
論文 参考訳（メタデータ） (2024-04-09T09:54:59Z) - 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) - Quantum reservoir probing: an inverse paradigm of quantum reservoir computing for exploring quantum many-body physics [0.0]
本研究では,量子システム自体を情報処理性能によって探索する相互研究の方向性を提案する。
この概念に基づいて、量子貯水池探索(QRP)を開発し、量子貯水池計算(QRC)パラダイムの逆拡張を行う。
量子情報と量子物質を統合することで、QRPは量子多体物理学の様々な側面を探索するための強力なツールとして大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-08-02T01:26:36Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - 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) - A Low Complexity Quantum Principal Component Analysis Algorithm [18.697990741989717]
本稿では,低複雑性量子主成分分析(qPCA)アルゴリズムを提案する。
これは、データマトリックスのすべてのコンポーネントではなく、データマトリックスの主成分を量子レジスタに抽出することで、次元の縮小を実現する。
提案したqPCAをIBM量子コンピューティングプラットフォーム上に実装し,実験結果と期待値が一致した。
論文 参考訳（メタデータ） (2020-10-02T07:52:39Z)
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。