論文の概要: Distributed Quantum Gaussian Processes for Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2602.15006v1
• Date: Mon, 16 Feb 2026 18:46:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.632784
• Title: Distributed Quantum Gaussian Processes for Multi-Agent Systems
• Title（参考訳）: マルチエージェントシステムのための分散量子ガウス過程
• Authors: Meet Gandhi, George P. Kontoudis,
• Abstract要約: 量子コンピューティングは、指数関数的に大きなヒルベルト空間にデータを埋め込むことによって制限を克服する可能性を提供する。 モデリング能力と拡張性を高めるため,マルチエージェント環境で分散量子ガウスプロセス(DQGP)を提案する。 我々は、NASAのShuttle Radar Topography MissionとQuantum Gaussian Processesによって生成された合成データセットを実世界の非静止高度データセットとして使用しています。
• 参考スコア（独自算出の注目度）: 2.526124003343442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian Processes (GPs) are a powerful tool for probabilistic modeling, but their performance is often constrained in complex, largescale real-world domains due to the limited expressivity of classical kernels. Quantum computing offers the potential to overcome this limitation by embedding data into exponentially large Hilbert spaces, capturing complex correlations that remain inaccessible to classical computing approaches. In this paper, we propose a Distributed Quantum Gaussian Process (DQGP) method in a multiagent setting to enhance modeling capabilities and scalability. To address the challenging non-Euclidean optimization problem, we develop a Distributed consensus Riemannian Alternating Direction Method of Multipliers (DR-ADMM) algorithm that aggregates local agent models into a global model. We evaluate the efficacy of our method through numerical experiments conducted on a quantum simulator in classical hardware. We use real-world, non-stationary elevation datasets of NASA's Shuttle Radar Topography Mission and synthetic datasets generated by Quantum Gaussian Processes. Beyond modeling advantages, our framework highlights potential computational speedups that quantum hardware may provide, particularly in Gaussian processes and distributed optimization.
• Abstract（参考訳）: ガウス過程(GP)は確率的モデリングの強力なツールであるが、古典的なカーネルの表現力に制限があるため、その性能は複雑で大規模な現実世界の領域で制約されることが多い。 量子コンピューティングは、データを指数関数的に大きなヒルベルト空間に埋め込むことによって、この制限を克服する可能性を提供し、古典的な計算アプローチに到達できない複雑な相関をキャプチャする。 本稿では,マルチエージェント環境での分散量子ガウスプロセス(DQGP)手法を提案する。 非ユークリッド最適化問題に対処するため,ローカルエージェントモデルをグローバルモデルに集約する分散コンセンサスであるRiemannian Alternating Direction Method of Multipliers (DR-ADMM) アルゴリズムを開発した。 古典ハードウェアにおける量子シミュレータによる数値実験により,本手法の有効性を評価する。 我々は、NASAのShuttle Radar Topography MissionとQuantum Gaussian Processesによって生成された合成データセットを実世界の非静止高度データセットとして使用しています。 モデリングの利点以外にも、量子ハードウェアがもたらす可能性のある潜在的な計算スピードアップ、特にガウス過程と分散最適化に注目しています。

関連論文リスト

• Quantum Walks-Based Adaptive Distribution Generation with Efficient CUDA-Q Acceleration [0.5679775668038153]
  本稿では,量子ウォークに基づく手法を用いて,目標確率分布の高精度かつ効率性を実現する適応分布生成器を提案する。 本手法は,量子ウォークと離散時間量子ウォーク,特にスプリットステップの量子ウォークとそのエンタングル拡張を統合し,コインパラメータを動的にチューニングし,量子状態の進化を所望の分布へと導く。
  論文  参考訳（メタデータ） (2025-04-18T07:53:03Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• A quantum gradient descent algorithm for optimizing Gaussian Process models [28.16587217223671]
  ガウス過程モデルを最適化するための量子勾配降下アルゴリズムを提案する。 本アルゴリズムは,ログ限界確率の勾配の計算において指数的高速化を実現する。
  論文  参考訳（メタデータ） (2025-03-22T14:14:31Z)
• 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)
• Fast Quantum Process Tomography via Riemannian Gradient Descent [3.1406146587437904]
  制約付き最適化は、量子物理学と量子情報科学の分野において重要な役割を果たす。 量子プロセストモグラフィー(quantum process tomography)は、特定の測定データに基づいて基礎となる量子プロセスを取得することを目的としている。
  論文  参考訳（メタデータ） (2024-04-29T16:28:14Z)
• Towards Efficient Modeling and Inference in Multi-Dimensional Gaussian Process State-Space Models [11.13664702335756]
  我々は,高次元潜在状態空間における遷移関数を効率的にモデル化するために,効率的な変換ガウス過程(ETGP)をGPSSMに統合することを提案する。 また,パラメータ数および計算複雑性の観点から,既存の手法を超越した変分推論アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-09-03T04:34:33Z)
• Higher-order topological kernels via quantum computation [68.8204255655161]
  トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。 本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T14:48:52Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Vector-valued Gaussian Processes on Riemannian Manifolds via Gauge Equivariant Projected Kernels [108.60991563944351]
  本稿では、ベクトル値のガウス過程を幾何学に忠実に誘導するゲージ同変カーネルの構築法を提案する。 我々は,変分推論などの標準ガウスプロセストレーニング手法を,この設定に拡張する。
  論文  参考訳（メタデータ） (2021-10-27T13:31:10Z)
• Properties and Application of Gaussian Quantum Processes [0.0]
  ガウスユニタリ過程を特徴とするジェネリックカプラは高忠実トランスデューサに変換可能であることを示す。 光パラメータセンシングのための量子ノイズ理論とその測定精度向上のためのポテンシャルについて検討する。 すべての解析は基本量子可換関係に由来するため、広く適用できる。
  論文  参考訳（メタデータ） (2021-07-03T18:01:34Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)

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。