論文の概要: Learning kernels with quantum optical circuits

• arxiv url: http://arxiv.org/abs/2509.12072v1
• Date: Mon, 15 Sep 2025 15:57:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.382982
• Title: Learning kernels with quantum optical circuits
• Title（参考訳）: 量子光学回路を用いたカーネルの学習
• Authors: A. Mandilara, A. D. Papadopoulos, D. Syvridis,
• Abstract要約: Support Vector Machines (SVM) は教師あり学習の基盤であり、データ分類に広く使われている。 近年、量子回路(量子ビットベースと量子光学の両方)のカーネル行列の計算への関心が高まっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Support Vector Machines (SVMs) are a cornerstone of supervised learning, widely used for data classification. A central component of their success lies in kernel functions, which enable efficient computation of inner products in high-dimensional feature spaces. Recent years have seen growing interest in leveraging quantum circuits -- both qubit-based and quantum optical -- for computing kernel matrices, with ongoing research exploring potential quantum advantages. In this work, we investigate two classical techniques for enhancing SVM performance through kernel learning -- the Fisher criterion and quasi-conformal transformations -- and translate them into the framework of quantum optical circuits. Conversely, using the example of the displaced squeezed vacuum state, we demonstrate how established concepts from quantum optics can inspire novel perspectives and enhancements in SVM methodology. This cross-disciplinary approach highlights the potential of quantum optics to both inform and benefit from advances in machine learning.
• Abstract（参考訳）: Support Vector Machines (SVM) は教師あり学習の基盤であり、データ分類に広く使われている。 彼らの成功の重要な要素は、高次元の特徴空間における内部積の効率的な計算を可能にするカーネル関数である。 近年、量子回路 -- 量子ビットベースと量子光学 -- を計算カーネルの行列に活用することへの関心が高まっており、量子の利点を探求する研究が進行中である。この記事では、カーネル学習を通じてSVMのパフォーマンスを向上させるための古典的な2つの技術 -- Fisher criterion と quasi-conformal transformation -- を調査し、それらを量子光学回路のフレームワークに変換する。 逆に、置換された真空状態の例を用いて、量子光学から確立された概念が、SVM方法論における新しい視点と拡張をいかに引き起こすかを示す。 この学際的なアプローチは、機械学習の進歩から情報を得て利益を得る量子光学の可能性を浮き彫りにしている。

関連論文リスト

• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Continuous-variable quantum kernel method on a programmable photonic quantum processor [0.0]
  CV量子カーネル法は,実験上の不完全条件下であっても,複数のデータセットを頑健に分類できることを実験的に証明した。 このデモンストレーションは、QMLのためのCV量子システムの実用性に光を当て、他のCVQMLアルゴリズムにおけるさらなる研究を刺激する。
  論文  参考訳（メタデータ） (2024-05-02T08:33:31Z)
• 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)
• Variational Quantum Kernels with Task-Specific Quantum Metric Learning [0.8722210937404288]
  カーネル法は、より高次元(おそらく無限)な特徴空間における点間の類似性の概念に依存している。 最適な量子埋め込みを生成するために,変分量子カーネルとタスク固有量子量子学習について論じる。
  論文  参考訳（メタデータ） (2022-11-08T18:36:25Z)
• Modern applications of machine learning in quantum sciences [52.05381760296929]
  本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。 我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
  論文  参考訳（メタデータ） (2022-04-08T17:48:59Z)
• Quantum Alphatron: quantum advantage for learning with kernels and noise [2.94944680995069]
  我々は、フォールトトレラントな設定でAlphatronの量子バージョンを提供する。 2層ニューラルネットワークの学習における量子優位性について論じる。
  論文  参考訳（メタデータ） (2021-08-26T09:36:20Z)

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。