論文の概要: Evaluating Angle and Amplitude Encoding Strategies for Variational Quantum Machine Learning: their impact on model's accuracy

• arxiv url: http://arxiv.org/abs/2508.00768v1
• Date: Fri, 01 Aug 2025 16:43:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.962658
• Title: Evaluating Angle and Amplitude Encoding Strategies for Variational Quantum Machine Learning: their impact on model's accuracy
• Title（参考訳）: 変分量子機械学習における角度・振幅符号化手法の評価--モデルの精度への影響
• Authors: Antonio Tudisco, Andrea Marchesin, Maurizio Zamboni, Mariagrazia Graziano, Giovanna Turvani,
• Abstract要約: 変分量子回路(VQC)は、量子回路がデータ推論を処理し、古典的な最適化が回路のパラメータを調整するハイブリッドモデルである。 本研究は,アングルエンコーディングモデルとアングルエンコーディングモデルの両方を考慮した解析を行い,ローテーションゲートの種類がモデルの分類性能に与える影響について検討する。 この研究は、同じモデルトポロジの下では、最高のモデルと最悪のモデルの精度の差は10%から30%で、差は最大41%に達することを示した。
• 参考スコア（独自算出の注目度）: 0.6553587309274792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in Quantum Computing and Machine Learning have increased attention to Quantum Machine Learning (QML), which aims to develop machine learning models by exploiting the quantum computing paradigm. One of the widely used models in this area is the Variational Quantum Circuit (VQC), a hybrid model where the quantum circuit handles data inference while classical optimization adjusts the parameters of the circuit. The quantum circuit consists of an encoding layer, which loads data into the circuit, and a template circuit, known as the ansatz, responsible for processing the data. This work involves performing an analysis by considering both Amplitude- and Angle-encoding models, and examining how the type of rotational gate applied affects the classification performance of the model. This comparison is carried out by training the different models on two datasets, Wine and Diabetes, and evaluating their performance. The study demonstrates that, under identical model topologies, the difference in accuracy between the best and worst models ranges from 10% to 30%, with differences reaching up to 41%. Moreover, the results highlight how the choice of rotational gates used in encoding can significantly impact the model's classification performance. The findings confirm that the embedding represents a hyperparameter for VQC models.
• Abstract（参考訳）: 量子コンピューティングと機械学習の最近の進歩は、量子コンピューティングパラダイムを利用して機械学習モデルを開発することを目的とした量子機械学習(QML)に注目が集まっている。 この領域で広く使われているモデルの1つは変分量子回路(VQC)であり、量子回路がデータ推論を処理し、古典的な最適化が回路のパラメータを調整するハイブリッドモデルである。 量子回路は、回路にデータをロードする符号化層と、データを処理するアンザッツとして知られるテンプレート回路から構成される。 本研究は、振幅符号化モデルと角度符号化モデルの両方を考慮して解析を行い、適用した回転ゲートの種類がモデルの分類性能に与える影響について検討する。 この比較は、ワインと糖尿病という2つのデータセットで異なるモデルをトレーニングし、そのパフォーマンスを評価することで行われる。 この研究は、同じモデルトポロジの下では、最高のモデルと最悪のモデルの精度の差は10%から30%で、差は最大41%に達することを示した。 さらに,符号化に使用する回転ゲートの選択がモデルの分類性能にどのように影響するかを強調した。 以上の結果から,VQCモデルにおける埋め込みはハイパーパラメータであることが明らかとなった。

関連論文リスト

• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Optimizing Hyperparameters for Quantum Data Re-Uploaders in Calorimetric Particle Identification [11.099632666738177]
  本稿では,1量子ビットデータ再アップロード(QRU)量子モデルの粒子分類への応用について述べる。 このモデルは、強力な分類性能を提供しながら、最小の量子ビットを必要とする。
  論文  参考訳（メタデータ） (2024-12-16T23:10:00Z)
• Lean classical-quantum hybrid neural network model for image classification [12.353900068459446]
  本稿では,変分回路の4層のみを用いて,効率的な分類性能を実現するLan Classical-Quantum Hybrid Neural Network (LCQHNN)を提案する。 我々の実験は、LCQHNNがMNIST、FashionMNIST、CIFAR-10データセットの100%、99.02%、85.55%の分類精度を達成することを示した。
  論文  参考訳（メタデータ） (2024-12-03T00:37:11Z)
• Quantum Neural Networks in Practice: A Comparative Study with Classical Models from Standard Data Sets to Industrial Images [0.5892638927736115]
  本稿では,古典的・古典的ハイブリッド畳み込みニューラルネットワーク(CNN)と,ランダム化された古典的・量子的ニューラルネットワーク(NN)の性能を比較した。 これらのアプローチを,複雑性を増大させる3つのデータセット上で評価する。 クロスデータセット性能解析では、異なる分類タスク間の量子モデルの限られた転送可能性を示した。
  論文  参考訳（メタデータ） (2024-11-28T17:13:45Z)
• Strategic Data Re-Uploads: A Pathway to Improved Quantum Classification Data Re-Uploading Strategies for Improved Quantum Classifier Performance [0.0]
  古典情報を複数回量子状態に再アップロードすると、量子分類器の精度が向上する。 線形分類パターン(LCP)と非線形分類パターン(NLCP)の2つの分類パターンに対するアプローチを実証する。
  論文  参考訳（メタデータ） (2024-05-15T14:28:00Z)
• The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
  本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。 私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。 この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
  論文  参考訳（メタデータ） (2023-09-20T10:31:17Z)
• Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
  変動量子回路(VQC)における重み付けの考え方を紹介する。 我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。 以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-06-09T09:42:21Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• 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)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
  カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。 本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T12:52:49Z)

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。