Fugu-MT 論文翻訳(概要): Efficient and Accurate Estimation of Lipschitz Constants for Hybrid Quantum-Classical Decision Models

論文の概要: Efficient and Accurate Estimation of Lipschitz Constants for Hybrid Quantum-Classical Decision Models

arxiv url: http://arxiv.org/abs/2503.07992v1
Date: Tue, 11 Mar 2025 02:50:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-12 15:45:33.391938
Title: Efficient and Accurate Estimation of Lipschitz Constants for Hybrid Quantum-Classical Decision Models
Title（参考訳）: ハイブリッド量子-古典的決定モデルのためのリプシッツ定数の効率的かつ正確な推定法
Authors: Sajjad Hashemian, Mohammad Saeed Arvenaghi,
Abstract要約: 本稿では,ハイブリッド量子古典的決定モデルにおいて,リプシッツ定数を効率的に正確に推定するための新しい枠組みを提案する。本稿では,古典ニューラルネットワークと量子変動回路を統合し,学習理論の重要な問題に対処する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper, we propose a novel framework for efficiently and accurately estimating Lipschitz constants in hybrid quantum-classical decision models. Our approach integrates classical neural network with quantum variational circuits to address critical issues in learning theory such as fairness verification, robust training, and generalization. By a unified convex optimization formulation, we extend existing classical methods to capture the interplay between classical and quantum layers. This integrated strategy not only provide a tight bound on the Lipschitz constant but also improves computational efficiency with respect to the previous methods.
Abstract（参考訳）: 本稿では,ハイブリッド量子古典的決定モデルにおいて,リプシッツ定数を効率的に正確に推定するための新しい枠組みを提案する。提案手法は,古典的ニューラルネットワークと量子変動回路を統合し,公正性検証,堅牢なトレーニング,一般化などの学習理論における重要な問題に対処する。統一凸最適化の定式化により、既存の古典的手法を拡張し、古典的層と量子的層の間の相互作用を捉える。この統合戦略は、リプシッツ定数に厳密な束縛を与えるだけでなく、以前の方法に関して計算効率を向上させる。

関連論文リスト

Provably Efficient Adiabatic Learning for Quantum-Classical Dynamics [4.381980584443765]
学習アルゴリズムを用いて量子古典的断熱力学を解析するための一般的な理論的枠組みを開発する。量子情報理論を基礎として,対数的システムサイズサンプリングの複雑さを生かした,証明可能な効率の良いAdiabatic Learning (PEAL) アルゴリズムを開発した。我々は,ホルシュタインモデル上でPEALをベンチマークし,シングルパスダイナミクスとアンサンブルダイナミクスの観測値の予測における精度と,ハミルトンの家系における伝達学習の精度を示す。
論文参考訳（メタデータ） (2024-08-01T04:31:36Z)
Practicality of training a quantum-classical machine in the NISQ era [0.0]
本研究では、イオントラッププラットフォーム上で、教師付きトレーニングプロトコルを用いた実実験量子古典ハイブリッドシステムの訓練限界について検討する。イオントラップを結合した古典的プロセッサに関連する課題に対処し、NISQデバイスのノイズチャネルをナビゲートする古典的手法として、遺伝的アルゴリズムの$robustness$が強調される。これらの知見は、量子古典ハイブリッドシステムの性能に関する洞察に寄与し、実用的な量子機械学習アプリケーションにおける効率的なトレーニング戦略とハードウェア考慮の重要性を強調している。
論文参考訳（メタデータ） (2024-01-22T16:27:14Z)
Efficient Bound of Lipschitz Constant for Convolutional Layers by Gram Iteration [122.51142131506639]
循環行列理論を用いて畳み込み層のスペクトルノルムに対して、精密で高速で微分可能な上界を導入する。提案手法は, 精度, 計算コスト, スケーラビリティの観点から, 他の最先端手法よりも優れていることを示す。これは畳み込みニューラルネットワークのリプシッツ正則化に非常に効果的であり、並行アプローチに対する競合的な結果である。
論文参考訳（メタデータ） (2023-05-25T15:32:21Z)
A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文参考訳（メタデータ） (2023-03-27T22:48:28Z)
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)
Quantum Reinforcement Learning for Solving a Stochastic Frozen Lake Environment and the Impact of Quantum Architecture Choices [0.0]
量子強化学習(QRL)モデルは、古典的強化学習スキームを量子強化カーネルで強化する。このようなモデルの構築方法に関するさまざまな提案は、実証的に有望なパフォーマンスを示している。しかし、これらの量子強化カーネルが強化学習パイプライン内のサブルーチンとしてどのように構築され、実際に性能が向上するかは不明である。
論文参考訳（メタデータ） (2022-12-15T16:08:31Z)
Faster variational quantum algorithms with quantum kernel-based surrogate models [0.0]
本稿では,雑音量子プロセッサ上での小型から中規模の変分アルゴリズムを提案する。提案手法は,計算負荷をこれらのハイブリッドアルゴリズムの古典的成分にシフトさせ,量子プロセッサへのクエリ数を劇的に削減する。
論文参考訳（メタデータ） (2022-11-02T14:11:25Z)
Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
論文参考訳（メタデータ） (2022-09-05T07:23:03Z)
Lipschitz Continuity Retained Binary Neural Network [52.17734681659175]
我々は,BNNのモデルロバスト性を定義するための厳密な基準として,リプシッツ連続性を導入する。次に、モデルロバスト性を改善するための正規化項としてリプシッツ連続性を維持することを提案する。実験により,我々のBNN固有の正規化手法は,BNNの堅牢性を効果的に強化できることが証明された。
論文参考訳（メタデータ） (2022-07-13T22:55:04Z)
Adapting Quantum Approximation Optimization Algorithm (QAOA) for Unit Commitment [2.8060379263058794]
ユニットコミットと呼ばれる電力系統最適化問題に対して,ハイブリッド量子古典アルゴリズムを定式化し,適用する。提案アルゴリズムは、量子近似最適化アルゴリズム(QAOA)を古典最小値で拡張し、混合二元最適化をサポートする。提案手法は,400個の発電ユニット未満のシミュレーション単位コミットに対して,古典的解法が有効であることを示す。
論文参考訳（メタデータ） (2021-10-25T03:37:34Z)
Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)

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。