論文の概要: Towards Quantum Operator-Valued Kernels

• arxiv url: http://arxiv.org/abs/2506.03779v1
• Date: Wed, 04 Jun 2025 09:40:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.271484
• Title: Towards Quantum Operator-Valued Kernels
• Title（参考訳）: 量子演算子値カーネルを目指して
• Authors: Hachem Kadri, Joachim Tomasi, Yuka Hashimoto, Sandrine Anthoine,
• Abstract要約: 量子カーネルは、量子力学原理を用いて構築されたカーネル関数を再現している。 最近の研究では、量子カーネルは古典的なデータを学ぶ際にスピードアップを提供できないことが示唆されている。 量子カーネルの研究はより表現力のあるカーネルクラスに焦点をあてるべきである。
• 参考スコア（独自算出の注目度）: 7.400602060180176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum kernels are reproducing kernel functions built using quantum-mechanical principles and are studied with the aim of outperforming their classical counterparts. The enthusiasm for quantum kernel machines has been tempered by recent studies that have suggested that quantum kernels could not offer speed-ups when learning on classical data. However, most of the research in this area has been devoted to scalar-valued kernels in standard classification or regression settings for which classical kernel methods are efficient and effective, leaving very little room for improvement with quantum kernels. This position paper argues that quantum kernel research should focus on more expressive kernel classes. We build upon recent advances in operator-valued kernels, and propose guidelines for investigating quantum kernels. This should help to design a new generation of quantum kernel machines and fully explore their potentials.
• Abstract（参考訳）: 量子カーネルは、量子力学の原理を用いて構築されたカーネル関数を再現しており、古典的なカーネルよりも優れた性能で研究されている。 量子カーネルマシンに対する熱意は、量子カーネルが古典的なデータを学ぶ際にスピードアップを提供できないという最近の研究によって誘惑された。 しかし、この分野の研究の大部分は、古典的なカーネル手法が効率的かつ効果的である標準分類や回帰設定におけるスカラー値のカーネルに費やされており、量子カーネルの改善の余地はほとんど残っていない。 このポジションペーパーは、量子カーネルの研究はより表現力のあるカーネルクラスに焦点を当てるべきであると主張している。 演算子評価カーネルの最近の進歩を基盤として,量子カーネルの研究ガイドラインを提案する。 これは、新しい世代の量子カーネルマシンを設計し、そのポテンシャルを十分に探求するのに役立ちます。

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)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• 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)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum-Classical Multiple Kernel Learning [0.0]
  機械学習におけるカーネルメソッドは、将来的にそのような改善を実現することができる分野のひとつだ。 小さくてノイズの多い量子コンピュータは、データの類似性のユニークな概念を捉える古典的なパラメトリック量子カーネルを評価することができる。 我々は、MKL(Multiple kernel)の文脈において、古典、量子量子、量子古典およびQCカーネルのペアワイズ組み合わせを考える。 本手法は,MKL設定における各種測定値の性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-28T12:29:04Z)
• 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 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)
• Training Quantum Embedding Kernels on Near-Term Quantum Computers [0.08563354084119063]
  量子コンピュータのヒルベルト空間にデータを埋め込むことで構築された量子埋め込みカーネル(QEK)は、特定の量子カーネル技術である。 まず、量子埋め込みカーネルを紹介し、ノイズの多い短期量子コンピュータ上でそれらを実現する際に生じる現実的な問題を解析する。
  論文  参考訳（メタデータ） (2021-05-05T18:41:13Z)
• 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)

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。