論文の概要: A Hybrid Quantum Solver for Gaussian Process Regression

• arxiv url: http://arxiv.org/abs/2510.15486v1
• Date: Fri, 17 Oct 2025 09:57:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.564737
• Title: A Hybrid Quantum Solver for Gaussian Process Regression
• Title（参考訳）: ガウス過程回帰のためのハイブリッド量子ソルバ
• Authors: Kerem Bükrü, Steffen Leger, M. Lautaro Hickmann, Hans-Martin Rieser, Ralf Sturm, Tjark Siefkes,
• Abstract要約: 変分量子線形解法は、方程式の線形系を解くハイブリッド量子古典的アルゴリズムである。 行列の逆変換を方程式の一連の線形系に書き換えることで、ガウス過程の後方分布を計算するのに使うことができる。
• 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: Gaussian processes are widely known for their ability to provide probabilistic predictions in supervised machine learning models. Their non-parametric nature and flexibility make them particularly effective for regression tasks. However, training a Gaussian process model using standard methods requires matrix inversions with a cubic time complexity, which poses significant computational challenges for inference on larger datasets. Quantum algorithms, such as the HHL algorithm, have been proposed as solutions that overcome the need for classical matrix inversions by efficiently solving linear systems of equations using quantum computers. However, to gain a computational advantage over classical algorithms, these algorithms require fault-tolerant quantum computers with a large number of qubits, which are not yet available. The Variational Quantum Linear Solver is a hybrid quantum-classical algorithm that solves linear systems of equations by optimizing the parameters of a variational quantum circuit using a classical computer. This method is especially suitable for noisy intermediate-scale quantum computers, as it does not require many qubits. It can be used to compute the posterior distribution of a Gaussian process by reformulating the matrix inversion into a set of linear systems of equations. We empirically demonstrate that using the Variational Quantum Linear Solver to perform inference for Gaussian process regression delivers regression quality comparable to that of classical methods.
• Abstract（参考訳）: ガウス過程は、教師付き機械学習モデルで確率論的予測を提供する能力で広く知られている。 その非パラメトリックな性質と柔軟性は、回帰タスクに特に有効である。 しかし、標準手法を用いてガウスのプロセスモデルを訓練するには、立方体時間の複雑さを持つ行列逆転が必要であり、より大きなデータセットの推論に重大な計算上の課題を生じさせる。 HHLアルゴリズムのような量子アルゴリズムは、量子コンピュータを用いて方程式の線形系を効率的に解くことによって古典行列反転の必要性を克服する解として提案されている。 しかし、古典的アルゴリズムよりも計算上の優位性を得るためには、これらのアルゴリズムは、多くの量子ビットを持つフォールトトレラントな量子コンピュータを必要とするが、まだ利用できない。 変分量子線形解法(英: Variational Quantum Linear Solver)は、古典的コンピュータを用いて変分量子回路のパラメータを最適化することにより方程式の線形系を解くハイブリッド量子古典解法である。 この方法は、多くの量子ビットを必要としないため、ノイズの多い中間スケールの量子コンピュータに特に適している。 行列の逆変換を方程式の一連の線形系に書き換えることで、ガウス過程の後方分布を計算するのに使うことができる。 我々は,変分量子線形解法を用いてガウス過程回帰の推論を行うことで,古典的手法に匹敵する回帰品質が得られることを実証的に実証した。

関連論文リスト

• An efficient explicit implementation of a near-optimal quantum algorithm for simulating linear dissipative differential equations [0.0]
  ハミルトンシミュレーション(LCHS)の線形結合実装のための効率的なブロック符号化手法を提案する。 このアルゴリズムはハミルトン進化の重み付き和として対象の非単位作用素を近似する。 簡単な座標変換に基づいてLCHSを量子回路に効率よく符号化する。
  論文  参考訳（メタデータ） (2025-01-19T19:03:29Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Preconditioning for a Variational Quantum Linear Solver [0.0]
  我々は,必要アンザッツ深さの顕著な減少を数値的に示し,プレコンディショニングが量子アルゴリズムに有用であることを示す。 この結果から, プリコンディショニングなどの古典的計算手法と量子アルゴリズムを組み合わせることで, NISQアルゴリズムの性能を大幅に向上させることができることが示唆された。
  論文  参考訳（メタデータ） (2023-12-25T08:50:22Z)
• Hybrid quantum-classical and quantum-inspired classical algorithms for solving banded circulant linear systems [0.8192907805418583]
  帯状循環系に対する量子状態の組み合わせの凸最適化に基づく効率的なアルゴリズムを提案する。 帯状循環行列を巡回置換に分解することにより, 量子状態の組み合わせによる近似解を$K$とする。 我々は,従来のシミュレーションと実際のIBM量子コンピュータ実装を用いて本手法を検証し,熱伝達などの物理問題への適用性を示した。
  論文  参考訳（メタデータ） (2023-09-20T16:27:16Z)
• A hybrid quantum-classical algorithm for multichannel quantum scattering of atoms and molecules [62.997667081978825]
  原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。 このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。 大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
  論文  参考訳（メタデータ） (2023-04-12T18:10:47Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• 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)
• Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
  時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。 一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。 幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
  論文  参考訳（メタデータ） (2021-04-01T19:06:00Z)

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。