論文の概要: Certified Lower Bounds and Efficient Estimation of Minimum Accuracy in Quantum Kernel Methods
- arxiv url: http://arxiv.org/abs/2512.20588v1
- Date: Tue, 23 Dec 2025 18:34:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-24 19:17:49.973262
- Title: Certified Lower Bounds and Efficient Estimation of Minimum Accuracy in Quantum Kernel Methods
- Title（参考訳）: 量子カーネル法における認証下界と最小精度の効率的な推定
- Authors: Demerson N. Gonçalves, Tharso D. Fernandes, Andrias M. M. Cordeiro, Pedro H. G. Lugao, João T. Dias,
- Abstract要約: 最小精度は、完全量子支援ベクトルマシン(QSVM)のトレーニングを必要とせずに量子特徴写像を評価する。
この研究は、計量を任意のバイナリデータセットに一般化し、同じ特徴空間における任意の線形分類器の最適経験的精度の証明された下界を構成することを正式に証明する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The minimum accuracy heuristic evaluates quantum feature maps without requiring full quantum support vector machine (QSVM) training. However, the original formulation is computationally expensive, restricted to balanced datasets, and lacks theoretical backing. This work generalizes the metric to arbitrary binary datasets and formally proves it constitutes a certified lower bound on the optimal empirical accuracy of any linear classifier in the same feature space. Furthermore, we introduce Monte Carlo strategies to efficiently estimate this bound using a random subset of Pauli directions, accompanied by rigorous probabilistic guarantees. These contributions establish minimum accuracy as a scalable, theoretically sound tool for pre-screening feature maps on near-term quantum devices.
- Abstract（参考訳）: 最小精度のヒューリスティックは、完全量子支援ベクトルマシン(QSVM)のトレーニングを必要とせず、量子特徴写像を評価する。
しかし、オリジナルの定式化は計算コストが高く、バランスの取れたデータセットに制限されており、理論的な裏付けがない。
この研究は、計量を任意のバイナリデータセットに一般化し、同じ特徴空間における任意の線形分類器の最適経験的精度の証明された下界を構成することを正式に証明する。
さらに,パウリ方向のランダムな部分集合を用いて,厳密な確率的保証を伴って,この境界を効率的に推定するモンテカルロ戦略を導入する。
これらのコントリビューションは、短期量子デバイス上のフィーチャーマップの事前スクリーニングのためのスケーラブルで理論的に健全なツールとして、最小限の精度を確立する。
関連論文リスト
- Saturation of the Multiparameter Quantum Cramér-Rao Bound at the Single-Copy Level with Projective Measurements [0.0]
量子状態の1つのコピーしか入手できないとき、量子クラムエル・ラオ境界が飽和(達成)できる時期は分かっていなかった。
本稿では、量子クラムエル・ラオ境界を飽和させる最適測定の鍵となる構造特性を照らす。
論文 参考訳（メタデータ） (2024-05-02T17:04:13Z) - Non-degenerate Marginal-Likelihood Calibration with Application to Quantum Characterization [0.0]
我々は,ケネディ・オハガン(KOH)ベイズ的枠組みの中で,新たな限界化可能性戦略を提案する。
我々の方法は、元のものと異なる正確な可能性を定義するが、関連するすべての情報を保存している。
ローレンス・リバモア国立研究所(Lawrence Livermore National Laboratory)の超伝導量子装置のキャラクタリゼーションに応用されている。
論文 参考訳（メタデータ） (2023-08-24T04:39:18Z) - Robust and efficient verification of graph states in blind
measurement-based quantum computation [52.70359447203418]
Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。
資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。
本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
論文 参考訳（メタデータ） (2023-05-18T06:24:45Z) - Shot-frugal and Robust quantum kernel classifiers [12.146571029233435]
量子カーネル法は、機械学習における量子スピードアップの候補である。
分類タスクにおいて,その目的は信頼性の高い分類であり,正確なカーネル評価ではないことを示す。
我々は分類の信頼性を特徴付ける新しい指標を動機付けている。
論文 参考訳（メタデータ） (2022-10-13T12:48:23Z) - Tight Cram\'{e}r-Rao type bounds for multiparameter quantum metrology
through conic programming [61.98670278625053]
最適な精度で不整合パラメータを推定できる実用的な測定戦略が最重要である。
ここでは、最適精度で非相関な測定方法を見つけるための具体的な方法を示す。
従来の計算可能境界と最終的な精度境界との間には厳密なギャップがあることを数値的に示す。
論文 参考訳（メタデータ） (2022-09-12T13:06:48Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳（メタデータ） (2022-03-30T02:02:16Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z)
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。