Fugu-MT 論文翻訳(概要): New perspectives on quantum kernels through the lens of entangled tensor kernels

論文の概要: New perspectives on quantum kernels through the lens of entangled tensor kernels

arxiv url: http://arxiv.org/abs/2503.20683v1
Date: Wed, 26 Mar 2025 16:18:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-27 16:24:57.881684
Title: New perspectives on quantum kernels through the lens of entangled tensor kernels
Title（参考訳）: 絡み合ったテンソル核のレンズによる量子核の新しい視点
Authors: Seongwook Shin, Ryan Sweke, Hyunseok Jeong,
Abstract要約: 量子核の埋め込みはすべて、絡み合ったテンソル核として理解できることが示される。この視点が量子核の独特な帰納バイアスとそれらの量子化の潜在的な方法の両方に新しい洞察を得られるかについて議論する。
参考スコア（独自算出の注目度）: 0.3277163122167433
License:
Abstract: Quantum kernel methods are one of the most explored approaches to quantum machine learning. However, the structural properties and inductive bias of quantum kernels are not fully understood. In this work, we introduce the notion of entangled tensor kernels - a generalization of product kernels from classical kernel theory - and show that all embedding quantum kernels can be understood as an entangled tensor kernel. We discuss how this perspective allows one to gain novel insights into both the unique inductive bias of quantum kernels, and potential methods for their dequantization.
Abstract（参考訳）: 量子カーネル法は、量子機械学習における最も検討されたアプローチの1つである。しかし、量子核の構造的性質と誘導バイアスは完全には理解されていない。本研究では,古典的カーネル理論から積カーネルを一般化した,絡み合ったテンソル核の概念を導入し,すべての埋め込み量子カーネルが絡み合ったテンソル核として理解可能であることを示す。この視点が量子核の独特な帰納バイアスとそれらの量子化の潜在的な方法の両方に新しい洞察を得られるかについて議論する。

関連論文リスト

Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文参考訳（メタデータ） (2024-01-31T01:02:16Z)
A Unified Framework for Trace-induced Quantum Kernels [0.0]
量子カーネル法は、特定の機械学習タスクに対して実用的な量子優位性を達成するための有望な候補である。この研究では、すべてのトレース誘起量子カーネルを共通のフレームワークに結合する。局所的に投影されたカーネルに基づくモデルが,グローバルな忠実度量子カーネルに匹敵する性能を達成できることを数値的に示す。
論文参考訳（メタデータ） (2023-11-22T17:50:00Z)
On the expressivity of embedding quantum kernels [1.6385815610837167]
任意のカーネル関数に対して、対応する量子特徴写像と埋め込み量子カーネルが存在することが分かる。シフト不変カーネルに対しては、ランダムフーリエ特徴の技法を用いて、全てのカーネルの広いクラス内でそれらが普遍的であることを示す。この結果を合成カーネルと呼ばれる新しいクラスに拡張し、最近の研究で導入された投影量子カーネルも含むことを示した。
論文参考訳（メタデータ） (2023-09-25T18:00:01Z)
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)
Numerical evidence against advantage with quantum fidelity kernels on classical data [12.621805903645711]
量子核は、量子ビットの数が増加するにつれてスペクトルの指数的な「平坦化」に悩まされることを示す。これまでに研究されてきた複数の量子特徴写像と、合成データと実データの両方を利用した、この現象の広範な数値的証拠を提供する。その結果、量子カーネルの帰納バイアスを制御するために新しい手法が開発されない限り、古典的なデータに量子的優位性をもたらすことはありそうにないことがわかった。
論文参考訳（メタデータ） (2022-11-29T19:23:11Z)
Non-Abelian braiding of graph vertices in a superconducting processor [144.97755321680464]
粒子の不識別性は量子力学の基本的な原理である。非アベリア・エノンのブレイディングは、退化波動関数の空間において回転を引き起こす。我々は,エノンの融合規則を実験的に検証し,それらの統計値を実現するためにそれらを編み取る。
論文参考訳（メタデータ） (2022-10-19T02:28:44Z)
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 tangent kernel [0.8921166277011345]
本研究では,パラメータ化量子回路を用いた量子機械学習モデルについて検討する。深層量子回路のパラメータは、トレーニング中に初期値からあまり移動しないことがわかった。このような深い変動量子機械学習は、別の創発的カーネルである量子タンジェントカーネルによって記述することができる。
論文参考訳（メタデータ） (2021-11-04T15:38:52Z)
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)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
The theory of the quantum kernel-based binary classifier [0.8057006406834467]
量子干渉を利用して量子ヒルベルト空間を特徴付けるカーネル法は、量子強化機械学習の膨大な機会を開放した。この研究は量子カーネルベースの分類器の一般理論を拡張した。量子状態間の二乗重なりを類似度尺度として注目し、量子二項分類に必須かつ最小の成分について検討した。正定値で対称な核として純粋状態の2乗重なりとなるヒルベルト・シュミット内積の妥当性が明確に示される。
論文参考訳（メタデータ） (2020-04-07T15:39:36Z)

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。