論文の概要: HARLI CQUINN: Higher Adjusted Randomness with Linear In Complexity QUantum INspired Networks for K-Means

• arxiv url: http://arxiv.org/abs/2509.19395v1
• Date: Tue, 23 Sep 2025 02:32:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.537617
• Title: HARLI CQUINN: Higher Adjusted Randomness with Linear In Complexity QUantum INspired Networks for K-Means
• Title（参考訳）: HARLI CQUINN:K-Meansのための線形複雑度QUantumインスパイアされたネットワークによる高調整ランダム性
• Authors: Jiten Oswal, Saumya Biswas,
• Abstract要約: 古典的k平均アルゴリズムと同等以上の量子性能を示す。 我々は、その精度のベンチマークを、よく知られたデータセットと実験データセットの両方のテストケースに提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We contrast a minimalistic implementation of quantum k-means algorithm to classical k-means algorithm. With classical simulation results, we demonstrate a quantum performance, on and above par, with the classical k-means algorithm. We present benchmarks of its accuracy for test cases of both well-known and experimental datasets. Despite extensive research into quantum k-means algorithms, our approach reveals previously unexplored methodological improvements. The encoding step can be minimalistic with classical data imported into quantum states more directly than existing approaches. The proposed quantum-inspired algorithm performs better in terms of accuracy and Adjusted Rand Index (ARI) with respect to the bare classical k-means algorithm. By investigating multiple encoding strategies, we provide nuanced insights into quantum computational clustering techniques.
• Abstract（参考訳）: 我々は量子k平均アルゴリズムの最小限の実装を古典k平均アルゴリズムと対比する。 古典的なシミュレーション結果から,古典的なk平均アルゴリズムを用いて量子性能を実演する。 我々は、その精度のベンチマークを、よく知られたデータセットと実験データセットの両方のテストケースに提示する。 量子k平均アルゴリズムの広範な研究にもかかわらず、我々のアプローチは、これまで探索されていなかった方法論的改善を明らかにしている。 符号化ステップは、従来のアプローチよりも直接量子状態にインポートされた古典的なデータで最小限にすることができる。 提案した量子インスピレーションアルゴリズムは,従来のk-meansアルゴリズムと比較して,精度と適応ランダム指数(ARI)が向上する。 複数のエンコーディング戦略を調査することにより、量子計算クラスタリング技術に関する微妙な洞察を提供する。

関連論文リスト

• Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
  本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。 我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。 以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-10-30T08:41:29Z)
• Iterative Quantum Algorithms for Maximum Independent Set: A Tale of Low-Depth Quantum Algorithms [0.0]
  我々は、反復最大量子アルゴリズム(Iterative Maximum Quantum Algorithms)と呼ばれる、量子最適化のための新しいハイブリッドアプローチのクラスについて研究する。 深度$p=1$のQAOAの場合、このアルゴリズムはMISの古典的欲求アルゴリズムと全く同じ操作と選択を行う。
  論文  参考訳（メタデータ） (2023-09-22T18:00:03Z)
• A quantum advantage over classical for local max cut [48.02822142773719]
  量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。 結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-17T16:42:05Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Quantum version of the k-NN classifier based on a quantum sorting algorithm [0.0]
  我々はk-nearest neighbors(k-NN)として知られる古典的機械学習アルゴリズムの新しい量子バージョンを開発する。 この新しいk-NNアルゴリズムの効率性と性能は、Schuldらによって提案された古典的なk-NNと他の量子バージョンと比較される。
  論文  参考訳（メタデータ） (2022-04-07T22:31:01Z)
• Quantum inspired K-means algorithm using matrix product states [4.846953392700506]
  行列積状態は、1次元相互作用量子多体系の研究において選択のアルゴリズムとなっている。 本稿では,古典的データを行列積状態を表す量子状態にまずマッピングする量子インスパイアされたK平均クラスタリングアルゴリズムを提案する。 このアルゴリズムは,従来のK平均アルゴリズムに比べて予測精度が高く,局所最小値に閉じ込められる可能性が低いことを示す。
  論文  参考訳（メタデータ） (2020-06-11T03:00:48Z)

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。