論文の概要: Flexible Genetic Algorithm for Quantum Support Vector Machines

• arxiv url: http://arxiv.org/abs/2511.19160v1
• Date: Mon, 24 Nov 2025 14:26:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.251676
• Title: Flexible Genetic Algorithm for Quantum Support Vector Machines
• Title（参考訳）: 量子支援ベクトルマシンのためのフレキシブル遺伝的アルゴリズム
• Authors: Nguyen Minh Duc, Vu Tuan Hai, Le Bin Ho, Tran Nguyen Lan,
• Abstract要約: GA-QSVMは遺伝的アルゴリズム(GA)を用いて特徴マップを自動的に最適化するハイブリッドフレームワークである。 GA-QSVMは従来のSVMや標準QSVMに比べて精度が良いことを示す。 これらの知見は、将来の量子機械学習アプリケーションのためのカーネル設計を自動化し、拡張するための進化戦略の可能性を強調している。
• 参考スコア（独自算出の注目度）: 0.024346924476127085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Support Vector Machines (QSVM) is one of the most promising frameworks in quantum machine learning, yet their performance depends on the design of the feature map. Conventional approaches rely on fixed quantum circuits, which often fail to generalize across datasets. To address this limitation, we propose GA-QSVM, a hybrid framework that employs Genetic Algorithms (GA) to automatically optimize feature maps. The proposed method introduces a configurable framework that flexibly defines the evolutionary parameters, enabling the construction of adaptive circuits. Experimental evaluation of datasets, including Digits, Fashion, Wine, and Breast Cancer, demonstrates that GA-QSVMs achieve a comparable accuracy compared to classical SVMs and standard QSVMs. Furthermore, transfer learning results indicate that GA-QSVM's circuits generalize effectively across datasets. These findings highlight the potential of evolutionary strategies to automate and enhance kernel design for future quantum machine learning applications.
• Abstract（参考訳）: 量子サポートベクトルマシン(Quantum Support Vector Machines, QSVM)は、量子機械学習における最も有望なフレームワークの1つである。 従来のアプローチは固定量子回路に依存しており、しばしばデータセットをまたいだ一般化に失敗する。 この制限に対処するため,GA-QSVMは遺伝的アルゴリズム(GA)を用いて特徴マップの自動最適化を行うハイブリッドフレームワークである。 提案手法では,進化パラメータを柔軟に定義し,適応回路の構築を可能にする構成可能なフレームワークを提案する。 Digits、Fashion、Wine、Breast Cancerなどのデータセットの実験的評価は、GA-QSVMが従来のSVMや標準QSVMと同等の精度を達成していることを示している。 さらに、転送学習の結果から、GA-QSVMの回路はデータセット間で効果的に一般化されることが示された。 これらの知見は、将来の量子機械学習アプリケーションのためのカーネル設計を自動化し、拡張するための進化戦略の可能性を強調している。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• A study on B-cell epitope prediction based on QSVM and VQC [0.0]
  本研究では,量子支援ベクトルマシン(QSVM)と変分量子(VQC)を用いたB細胞予測における量子コンピューティングの役割について検討する。 バイオインフォマティクスにおける量子機械学習の可能性を強調し、データの複雑さが増大するにつれて、従来の手法の計算効率の限界に対処する。
  論文  参考訳（メタデータ） (2025-04-16T08:09:34Z)
• Modeling Quantum Machine Learning for Genomic Data Analysis [12.248184406275405]
  量子機械学習(QML)は進化を続け、多様なアプリケーションに新たな機会を開放している。 ゲノム配列データのバイナリ分類におけるQMLモデルの適用性について,様々な特徴マッピング手法を用いて検討・評価する。 ベンチマークゲノミクスデータセット上で実験を行うために,オープンソースで独立したQiskitベースの実装を提案する。
  論文  参考訳（メタデータ） (2025-01-14T15:14:26Z)
• Kernel Alignment for Quantum Support Vector Machines Using Genetic Algorithms [0.0]
  我々は、QSVMカーネル回路におけるゲートシーケンス選択にGASP(Genetic Algorithm for State prepared)フレームワークを活用する。 古典的および量子的カーネルに対するベンチマークでは、GA生成回路が標準技術に適合または超えていることが明らかになった。 我々の自動フレームワークは、試行錯誤を低減し、ファイナンス、ヘルスケア、材料科学アプリケーションのためのQSVMベースの機械学習性能の改善を可能にします。
  論文  参考訳（メタデータ） (2023-12-04T01:36:26Z)
• 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)
• 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)
• Automatic design of quantum feature maps [0.3867363075280543]
  量子支援ベクトルマシン(QSVM)を用いた最適アドホックアンゼの自動生成手法を提案する。 この効率的な方法はNSGA-II多目的遺伝的アルゴリズムに基づいており、精度を最大化し、アンザッツサイズを最小化することができる。
  論文  参考訳（メタデータ） (2021-05-26T15:31:10Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)
• Ansatz-Independent Variational Quantum Classifier [0.0]
  可変量子分類器 (VQC) がよく知られたカーネル法に収まることを示す。 また、与えられたユニタリ演算子に対して効率的な量子回路を設計するための変分回路実現法(VCR)を提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:25:39Z)

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。