論文の概要: qc-kmeans: A Quantum Compressive K-Means Algorithm for NISQ Devices

• arxiv url: http://arxiv.org/abs/2510.22540v1
• Date: Sun, 26 Oct 2025 05:44:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.240743
• Title: qc-kmeans: A Quantum Compressive K-Means Algorithm for NISQ Devices
• Title（参考訳）: qc-kmeans: NISQデバイスのための量子圧縮K平均アルゴリズム
• Authors: Pedro Chumpitaz-Flores, My Duong, Ying Mao, Kaixun Hua,
• Abstract要約: NISQハードウェア上のクラスタリングは、データローディングと限定キュービットによって制限される。 提案するqc-kmeansは,QAOA回路が浅いグループごとのQUBOを解くことで,一定のサイズのフーリエ特徴スケッチでデータセットを要約し,セントロイドを選択するハイブリッドな$k$-meansである。
• 参考スコア（独自算出の注目度）: 3.4129039170001314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clustering on NISQ hardware is constrained by data loading and limited qubits. We present \textbf{qc-kmeans}, a hybrid compressive $k$-means that summarizes a dataset with a constant-size Fourier-feature sketch and selects centroids by solving small per-group QUBOs with shallow QAOA circuits. The QFF sketch estimator is unbiased with mean-squared error $O(\varepsilon^2)$ for $B,S=\Theta(\varepsilon^{-2})$, and the peak-qubit requirement $q_{\text{peak}}=\max\{D,\lceil \log_2 B\rceil + 1\}$ does not scale with the number of samples. A refinement step with elitist retention ensures non-increasing surrogate cost. In Qiskit Aer simulations (depth $p{=}1$), the method ran with $\le 9$ qubits on low-dimensional synthetic benchmarks and achieved competitive sum-of-squared errors relative to quantum baselines; runtimes are not directly comparable. On nine real datasets (up to $4.3\times 10^5$ points), the pipeline maintained constant peak-qubit usage in simulation. Under IBM noise models, accuracy was similar to the idealized setting. Overall, qc-kmeans offers a NISQ-oriented formulation with shallow, bounded-width circuits and competitive clustering quality in simulation.
• Abstract（参考訳）: NISQハードウェア上のクラスタリングは、データローディングと限定キュービットによって制限される。 本稿では, 一定の大きさのフーリエ特徴スケッチでデータセットを要約し, 浅いQAOA回路で小グループごとのQUBOを解くことで, セントロイドを選択するハイブリッド圧縮型$k$-meansである, textbf{qc-kmeans}を提案する。 QFFスケッチ推定子は平均二乗誤差$O(\varepsilon^2)$ for $B,S=\Theta(\varepsilon^{-2})$とピークキュービット要件$q_{\text{peak}}=\max\{D,\lceil \log_2 B\rceil + 1\}$でバイアスを受けない。 エリート主義の維持による改善のステップは、サロゲートコストの非増加を保証する。 Qiskit Aer シミュレーション (depth $p{=}1$) では、この手法は低次元の合成ベンチマーク上で$\le 9$ qubitsで実行され、量子ベースラインに対して競合的な2乗誤差を達成した。 9つの実際のデータセット(最大4.3\times 10^5$ポイント)では、パイプラインはシミュレーションにおけるピークビットの使用を一定に維持した。 IBMのノイズモデルでは、精度は理想化された設定に似ていた。 全体として、qc-kmeansは、浅い、有界幅の回路とシミュレーションにおける競合クラスタリング品質を備えたNISQ指向の定式化を提供する。

関連論文リスト

• Debiased Distribution Compression [30.600795754425775]
  本稿では, バイアス入力シーケンスによる圧縮に適した新しい圧縮手法を提案する。 バーンイン,近似マルコフ連鎖モンテカルロ,テンパリングによるバイアスを克服しつつ,簡潔かつ正確な後続サマリーを提供する。
  論文  参考訳（メタデータ） (2024-04-18T16:11:16Z)
• Semidefinite programming relaxations and debiasing for MAXCUT-based clustering [1.9761774213809036]
  2つのガウス分布を$mathbbRp$で混合して引き出す小さなデータサンプルを$n$で分割する問題を考察する。 グラフ上の最大カットを求めるように定式化された整数二次プログラムの半定値プログラミング緩和を用いる。
  論文  参考訳（メタデータ） (2024-01-16T03:14:24Z)
• Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming [53.63469275932989]
  制約付き非線形最適化問題のオンライン統計的推測を考察する。 これらの問題を解決するために、逐次二次計画法(StoSQP)を適用する。
  論文  参考訳（メタデータ） (2022-05-27T00:34:03Z)
• Polyak-Ruppert Averaged Q-Leaning is Statistically Efficient [90.14768299744792]
  我々はPolyak-Ruppert 平均 Q-leaning (平均 Q-leaning) を用いた同期 Q-learning を$gamma$-discounted MDP で検討した。 繰り返し平均$barboldsymbolQ_T$に対して正規性を確立する。 要するに、我々の理論分析は、Q-Leaningの平均は統計的に効率的であることを示している。
  論文  参考訳（メタデータ） (2021-12-29T14:47:56Z)
• Tightening the Dependence on Horizon in the Sample Complexity of Q-Learning [59.71676469100807]
  この研究は、同期Q-ラーニングのサンプルの複雑さを、任意の$0varepsilon 1$に対して$frac|mathcalS| (1-gamma)4varepsilon2$の順序に絞る。 計算やストレージを余分に必要とせずに、高速なq-learningにマッチするvanilla q-learningの有効性を明らかにした。
  論文  参考訳（メタデータ） (2021-02-12T14:22:05Z)
• Denoising modulo samples: k-NN regression and tightness of SDP relaxation [5.025654873456756]
  サンプルの値が$f(x_i)$で一様誤差率$O(fraclog nn)frac1d+2)$を高い確率で保持する2段階のアルゴリズムを導出する。 サンプル $f(x_i)$ の見積もりは、その後、関数 $f$ の見積もりを構築するために使われる。
  論文  参考訳（メタデータ） (2020-09-10T13:32:46Z)
• Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
  非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
  論文  参考訳（メタデータ） (2020-06-04T17:51:00Z)
• Computationally efficient sparse clustering [67.95910835079825]
  我々はPCAに基づく新しいクラスタリングアルゴリズムの有限サンプル解析を行う。 ここでは,ミニマックス最適誤クラスタ化率を,体制$|theta infty$で達成することを示す。
  論文  参考訳（メタデータ） (2020-05-21T17:51:30Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。