Fugu-MT 論文翻訳(概要): Quorum: Zero-Training Unsupervised Anomaly Detection using Quantum Autoencoders

論文の概要: Quorum: Zero-Training Unsupervised Anomaly Detection using Quantum Autoencoders

arxiv url: http://arxiv.org/abs/2504.13113v1
Date: Thu, 17 Apr 2025 17:27:39 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-18 14:35:21.239875
Title: Quorum: Zero-Training Unsupervised Anomaly Detection using Quantum Autoencoders
Title（参考訳）: 量子オートエンコーダを用いたゼロトレーニング非教師付き異常検出
Authors: Jason Zev Ludmir, Sophia Rebello, Jacob Ruiz, Tirthak Patel,
Abstract要約: 本研究では,教師なし学習のための量子異常検出フレームワークQuorumを提案する。金融、医療、エネルギーなど、さまざまな産業におけるミッションクリティカルな出来事やデータを検出するためにQuorumをどのように利用できるかを示す。
参考スコア（独自算出の注目度）: 3.319519929291345
License:
Abstract: Detecting mission-critical anomalous events and data is a crucial challenge across various industries, including finance, healthcare, and energy. Quantum computing has recently emerged as a powerful tool for tackling several machine learning tasks, but training quantum machine learning models remains challenging, particularly due to the difficulty of gradient calculation. The challenge is even greater for anomaly detection, where unsupervised learning methods are essential to ensure practical applicability. To address these issues, we propose Quorum, the first quantum anomaly detection framework designed for unsupervised learning that operates without requiring any training.
Abstract（参考訳）: ミッションクリティカルな出来事やデータを検出することは、金融、医療、エネルギーなど、さまざまな産業において重要な課題である。量子コンピューティングは、最近、いくつかの機械学習タスクに取り組むための強力なツールとして登場したが、特に勾配計算の難しさのために、量子機械学習モデルのトレーニングは難しいままである。この課題は、教師なし学習手法が実用的な適用性を確保するために不可欠である、異常検出にとってさらに大きい。これらの問題に対処するため,教師なし学習のための量子異常検出フレームワークQuorumを提案する。

関連論文リスト

Hybrid Quantum-Classical Reinforcement Learning in Latent Observation Spaces [0.36944296923226316]
量子機械学習の最近の進歩は、古典的な制御問題に取り組むために量子法を使うことに関心を喚起している。本稿では,古典的オートエンコーダと量子エージェントを併用して,この次元課題を解決することを提案する。遅延空間学習法の性能解析のために, 一連の数値実験を設計する。
論文参考訳（メタデータ） (2024-10-23T21:19:38Z)
Observation of disorder-free localization and efficient disorder averaging on a quantum processor [117.33878347943316]
我々は、量子並列性を利用して、量子プロセッサ上で効率的な手順を実装し、すべての障害実現を効率的にサンプリングする。 1次元と2次元の量子多体ダイナミクスにおいて、乱れのない局所化を観察する。
論文参考訳（メタデータ） (2024-10-09T05:28:14Z)
Quantum continual learning on a programmable superconducting processor [17.787742382926137]
量子分類器は,3つの異なるタスクの知識を段階的に学習し,保持することができることを示す。本研究は,複数の逐次タスクに適応可能な量子学習システムを実現するための有効な戦略を確立した。
論文参考訳（メタデータ） (2024-09-15T13:16:56Z)
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)
Qsco: A Quantum Scoring Module for Open-set Supervised Anomaly Detection [5.931953711154524]
複雑なデータ構造を扱う量子コンピューティングの最近の進歩と機械学習モデルの改善は、異常検出手法におけるパラダイムシフトを先導している。本研究では、量子変動回路をニューラルネットワークに埋め込み、不確実性やラベルなしデータを扱う際のモデルの処理能力を向上する量子スコーリングモジュール(Qsco)を提案する。
論文参考訳（メタデータ） (2024-05-25T22:37:43Z)
Quantum-inspired anomaly detection, a QUBO formulation [0.0]
異常検出は、データ内の異常なパターンやイベントを特定することを含む機械学習において重要なタスクである。量子コンピューティングの出現により、異常検出のための量子アプローチの開発への関心が高まっている。
論文参考訳（メタデータ） (2023-11-06T16:12:15Z)
Towards quantum enhanced adversarial robustness in machine learning [18.663564729815615]
機械学習と量子コンピューティングを統合することで、精度と計算効率が向上する。近年の研究では、敵の攻撃から守るために量子力学的現象が採用されている。有望な早期成果にもかかわらず、実世界の堅牢なQAMLツールの構築には依然として課題がある。
論文参考訳（メタデータ） (2023-06-22T06:21:45Z)
Experimental Implementation of an Efficient Test of Quantumness [49.588006756321704]
量子性の試験は、古典的なユーザーが古典的でない振る舞いを示すかどうかを決定するために量子デバイスに課題を発行するプロトコルである。最近の量子コンピュータにおけるこのようなテストの実装の試みは、効率的な検証を伴うインタラクティブな課題か、非効率的な(指数時間)検証を伴う非インタラクティブな課題に依存している。
論文参考訳（メタデータ） (2022-09-28T18:00:04Z)
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-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文参考訳（メタデータ） (2021-06-24T15:58:57Z)
Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。