論文の概要: Empirical Study of Observable Sets in Multiclass Quantum Classification

• arxiv url: http://arxiv.org/abs/2602.08485v1
• Date: Mon, 09 Feb 2026 10:36:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.17304
• Title: Empirical Study of Observable Sets in Multiclass Quantum Classification
• Title（参考訳）: 多クラス量子分類における可観測集合の実証的研究
• Authors: Paul San Sebastian, Mikel Cañizo, Roman Orus,
• Abstract要約: 変分量子アルゴリズムは、学習タスクのための量子コンピュータの初期の応用として注目されている。 本研究は、マルチクラス量子機械学習における2つの主要な分類基準について研究する。 異なる可観測集合選択が量子機械学習モデルの性能に与える影響を解析した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms have gained attention as early applications of quantum computers for learning tasks. In the context of supervised learning, most of the works that tackle classification problems with parameterized quantum circuits constrain their scope to the setting of binary classification or perform multiclass classification via ensembles of binary classifiers (strategies such as one versus rest). Those few works that propose native multiclass models, however, do not justify the choice of observables that perform the classification. This work studies two main classification criteria in multiclass quantum machine learning: maximizing the expected value of an observable representing a class or maximizing the fidelity of the encoded quantum state with a reference state representing a class. To compare both approaches, sets of Pauli strings and sets of projectors into the computational basis are chosen as observables in the quantum machine learning models. Observing the empirical behavior of each model type, the effect of different observable set choices on the performance of quantum machine learning models is analyzed in the context of Barren Plateaus and Neural Collapse. The results provide insights that may guide the design of future multiclass quantum machine learning models.
• Abstract（参考訳）: 変分量子アルゴリズムは、学習タスクのための量子コンピュータの初期の応用として注目されている。 教師付き学習の文脈では、パラメータ化量子回路による分類問題に取り組むほとんどの研究は、その範囲を二項分類の設定に制限するか、二項分類器のアンサンブル(一対静止のような戦略)によって多項分類を行う。 しかし、ネイティブなマルチクラスモデルを提案するこれらの数少ない研究は、分類を実行する可観測性の選択を正当化していない。 本研究は,マルチクラス量子機械学習における2つの主要な分類基準について検討し,クラスを表す観測値の期待値の最大化と,クラスを表す参照状態の符号化量子状態の忠実度を最大化する。 両方のアプローチを比較するために、量子機械学習モデルにおいて、パウリ弦の集合とプロジェクターの集合を計算ベースとしてオブザーバブルとして選択する。 各モデルモデルの経験的挙動を観察し、量子機械学習モデルの性能に対する異なる観測可能な集合の選択の影響を、バレンプラトーとニューラルコラプスの文脈で分析する。 この結果は、将来のマルチクラス量子機械学習モデルの設計を導く洞察を与える。

関連論文リスト

• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• Quantum Classifiers with Trainable Kernel [15.908830091887719]
  我々は、特徴状態の範囲を広げるために、普遍的に訓練可能な量子特徴マッピングレイアウトを考案する。 また、部分的に重み付けされた試行状態を利用する改良型量子支援ベクトルマシンを提案する。 本稿では,1対1と1対1のアプローチのための量子反復型マルチクラス化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-07T08:38:50Z)
• Harnessing Quantum Extreme Learning Machines for image classification [0.0]
  本研究は、画像分類タスクにおける量子機械学習技術の利用に焦点を当てる。 我々は,量子貯水池基板が提供する豊富な特徴写像を利用して,量子極端学習マシンを利用する。
  論文  参考訳（メタデータ） (2024-09-02T07:23:59Z)
• MORE: Measurement and Correlation Based Variational Quantum Circuit for Multi-classification [10.969833959443495]
  MOREは、測定と相関に基づく変分量子多重分類器の略である。 我々はQiskit Pythonライブラリを使ってMOREを実装し、ノイズフリーとノイズの多い量子システムの両方で広範囲にわたる実験により評価する。
  論文  参考訳（メタデータ） (2023-07-21T19:33:10Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Ensemble-learning variational shallow-circuit quantum classifiers [4.104704267247209]
  本稿では,ブートストラップ集約と適応的ブースティングという,アンサンブル学習の2つの手法を提案する。 これらのプロトコルは古典的な手書き数字や対称性で保護されたトポロジカルハミルトニアンの量子位相の識別のために例示されている。
  論文  参考訳（メタデータ） (2023-01-30T07:26:35Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Binary classifiers for noisy datasets: a comparative study of existing quantum machine learning frameworks and some new approaches [0.0]
  バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。 ノイズの多いデータセットは 財務的なデータセットの中にあります 新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
  論文  参考訳（メタデータ） (2021-11-05T10:29:05Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)

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。