論文の概要: Towards Automated Selection of Quantum Encoding Circuits via Meta-Learning

• arxiv url: http://arxiv.org/abs/2604.19076v1
• Date: Tue, 21 Apr 2026 04:37:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.620133
• Title: Towards Automated Selection of Quantum Encoding Circuits via Meta-Learning
• Title（参考訳）: メタラーニングによる量子符号化回路の自動選択に向けて
• Authors: Dao Duy Tung, Nguyen Quoc Chuong, Vu Tuan Hai, Le Bin Ho, Lan Nguyen Tran,
• Abstract要約: 本稿では,固有データセットの特性を利用して最適な符号化回路を推定する自動レコメンデータを提案する。 9つの候補が、機能として機能する24の古典的な複雑性メトリクスとともに評価され、14の機械学習モデルとともに、4つの構成を持つ2つのトレーニングアプローチを通じて評価される。 どちらの手法も、最高性能の符号化回路を特定する上で最高85.7%のTop-3精度を実現し、古典的なデータ複雑性メトリクスが回路選択に十分な予測信号を提供することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, quantum kernel methods have shown promising applications on near-term quantum devices. However, selecting an appropriate encoding circuit for a given dataset requires costly evaluation of multiple candidates, formulated as a meta-learning problem. In this paper, we propose an automated recommender that utilizes the intrinsic characteristics of datasets to predict the optimal circuit without any quantum evaluation. Nine candidates are assessed alongside 24 classical complexity metrics serving as features, evaluated through two training approaches with four configurations, along with 14 machine learning models. Both approaches achieve Top-3 accuracy of up to 85.7% in identifying the best-performing encoding circuit, and demonstrate that classical data complexity metrics provide sufficient predictive signal for circuit selection.
• Abstract（参考訳）: 近年、量子カーネル法は、短期量子デバイスへの有望な応用を示している。 しかし、与えられたデータセットに対して適切な符号化回路を選択するには、メタ学習問題として定式化された複数の候補の費用がかかる。 本稿では,データセットの固有特性を利用して最適回路を量子評価せずに予測する自動推薦器を提案する。 9つの候補が、機能として機能する24の古典的な複雑性メトリクスとともに評価され、14の機械学習モデルとともに、4つの構成を持つ2つのトレーニングアプローチを通じて評価される。 どちらの手法も、最高性能の符号化回路を特定する上で最高85.7%のTop-3精度を実現し、古典的なデータ複雑性メトリクスが回路選択に十分な予測信号を提供することを示した。

関連論文リスト

• Graph Neural Network-Based Predictor for Optimal Quantum Hardware Selection [0.21845291030915975]
  ハードウェア選択を自動化するグラフニューラルネットワーク(GNN)ベースの予測器を提案する。 グラフベース機械学習を利用して,モデル評価のための回路特徴の抽出を避ける。 実験の結果、94.4%の精度と85.5%のF1スコアをマイノリティクラスで証明し、事実上最高のコンパイル目標を予測した。
  論文  参考訳（メタデータ） (2025-07-25T09:23:04Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Data Complexity Measures for Quantum Circuits Architecture Recommendation [55.74527632797241]
  量子パラメトリック回路は、量子回路のサイズを減らす代替として構築される。 与えられた問題の最適回路を決定することは 未解決の問題です 本研究では,分類問題に対する量子回路レコメンデーションアーキテクチャを,データベースの複雑性尺度を用いて提案する。
  論文  参考訳（メタデータ） (2025-02-21T01:17:24Z)
• Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
  捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。 リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Encoding optimization for quantum machine learning demonstrated on a superconducting transmon qutrit [1.6460874590065597]
  3レベル量子系は、通常使用される2レベル量子ビットよりも少ない成分を必要とするという利点がある。 本研究は,機械学習の分類応用における量子パラメトリック回路の可能性について検討する。
  論文  参考訳（メタデータ） (2023-09-22T17:53:16Z)
• 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)
• Polyadic Quantum Classifier [0.0]
  NISQアーキテクチャ上でのマルチクラス分類のための教師付き量子機械学習アルゴリズムを紹介する。 パラメトリック量子回路は、入力されたデータポイントのクラスに対応する特定のビット文字列を出力するように訓練される。 我々は、IBMq 5量子ビット量子コンピュータ上でそれをトレーニングし、テストし、そのアルゴリズムは精度が高いことを示す。
  論文  参考訳（メタデータ） (2020-07-28T08:00:12Z)
• QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
  QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。 ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
  論文  参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。