論文の概要: Local surrogates for quantum machine learning

• arxiv url: http://arxiv.org/abs/2506.09425v1
• Date: Wed, 11 Jun 2025 06:14:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.574449
• Title: Local surrogates for quantum machine learning
• Title（参考訳）: 量子機械学習のための局所サロゲート
• Authors: Sreeraj Rajindran Nair, Christopher Ferrie,
• Abstract要約: 推論は古典的なサロゲートに還元されるので、トレーニングが完了すると余分な量子計算コストが軽減される。 本稿では,再アップロード型量子学習モデルに基づく局所代用プロトコルを提案する。
• 参考スコア（独自算出の注目度）: 1.03590082373586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surrogates have been proposed as classical simulations of the pretrained quantum learning models, which are capable of mimicking the input-output relation inherent in the quantum model. Quantum hardware within this framework is used for training and for generating the classical surrogates. Inference is relegated to the classical surrogate, hence alleviating the extra quantum computational cost once training is done. Taking inspiration from interpretable models, we introduce a local surrogation protocol based on reuploading-type quantum learning models, including local quantum surrogates as cost-efficient intermediate quantum learning models. When the training and inference are only concerned with a subregion of the data space, deploying a local quantum surrogate offers qubit cost reductions and the downstream local classical surrogate achieves dequantization of the inference phase. Several numerical experiments are presented.
• Abstract（参考訳）: サーロゲートは、量子モデル固有の入出力関係を模倣できる事前訓練された量子学習モデルの古典的なシミュレーションとして提案されている。 このフレームワーク内の量子ハードウェアは、トレーニングや古典的なサロゲートの生成に使用される。 推論は古典的なサロゲートに還元されるので、トレーニングが完了すると余分な量子計算コストが軽減される。 解釈可能なモデルからインスピレーションを得て、我々は、コスト効率のよい中間量子学習モデルとして、局所量子サロゲートを含む、再ロード型量子学習モデルに基づく局所サロゲーションプロトコルを導入する。 トレーニングと推論がデータ空間のサブリージョンにのみ関係している場合、局所量子サロゲートの配置は量子ビットコストを削減し、下流の局所古典サロゲートは推論フェーズの定式化を達成する。 いくつかの数値実験が紹介されている。

関連論文リスト

• Adversarial Robustness of Partitioned Quantum Classifiers [10.679753825744964]
  量子コンピューティングのNISQ時代において、回路切断は、現在の装置の量子ビット制限を超える回路をシミュレートする顕著な手法である。 本稿では,回路切断による量子分類器の分割が,敵攻撃に対する感受性を高める方法を検討する。
  論文  参考訳（メタデータ） (2025-01-28T07:10:40Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Distributed Quantum Computation via Entanglement Forging and Teleportation [13.135604356093193]
  分散量子計算は、限られたサイズの量子プロセッサ上での大規模量子計算の実用的な方法である。 本稿では,量子相関のない2つの量子プロセッサ上で非局所量子回路を実装する手法を実証する。
  論文  参考訳（メタデータ） (2024-09-04T08:10:40Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• Shadows of quantum machine learning [2.236957801565796]
  トレーニング中にのみ量子リソースを必要とする量子モデルの新たなクラスを導入し、トレーニングされたモデルの展開は古典的である。 このモデルのクラスは古典的に展開された量子機械学習において普遍的であることを証明している。
  論文  参考訳（メタデータ） (2023-05-31T18:00:02Z)
• Adapting Pre-trained Language Models for Quantum Natural Language Processing [33.86835690434712]
  事前学習された表現は、エンドツーエンドの量子モデルの容量を50%から60%増加させることができることを示す。 量子シミュレーション実験では、事前訓練された表現は、エンドツーエンドの量子モデルの容量を50%から60%増加させることができる。
  論文  参考訳（メタデータ） (2023-02-24T14:59:02Z)
• Classical surrogates for quantum learning models [0.7734726150561088]
  本稿では,訓練された量子学習モデルから効率的に得られる古典的モデルである古典的サロゲートの概念を紹介する。 我々は、よく解析された再アップロードモデルの大規模なクラスが古典的なサロゲートを持つことを示す。
  論文  参考訳（メタデータ） (2022-06-23T14:37:02Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• 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)

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。