論文の概要: Quantum multi-label k-nearest neighbor

• arxiv url: http://arxiv.org/abs/2607.21919v1
• Date: Fri, 24 Jul 2026 02:51:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.035685
• Title: Quantum multi-label k-nearest neighbor
• Title（参考訳）: 量子多ラベルk-アネレスト近傍
• Authors: Yilin Shen, Qin Liao,
• Abstract要約: QML-kNN(Quantum Multi-label k-nearest neighbor)は、性能改善に伴うマルチラベル問題の解法において、時間的複雑さを著しく低減することができる。 その結果、QML-kNNは、性能改善を伴う複数ラベル問題の解法において、時間的複雑さを著しく低減できることを示した。
• 参考スコア（独自算出の注目度）: 23.270612519325653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although multi-label k-nearest neighbor (ML-kNN) is able to effectively solve multi-label learning (MLL) problem with local neighborhood similarity, its time complexity is nearly unacceptable with large-scale datasets. To solve this issue, we propose a novel ML-kNN algorithm with quantum computing techniques, which called quantum multi-label k-nearest neighbor (QML-kNN). In particular, we first accelerate the calculation of the prior probability by taking advantage of quantum phase estimation and Grover's amplitude amplification. Then, a controlled-SWAP test and a quantum k-maximal similarity search are used for efficiently identifying the neighbors. Subsequently, a quantum parallel counting circuit (QPCC) is designed to rapidly calculate the posterior probabilities. Experimental results demonstrate that QML-kNN is able to significantly reduce the time complexity of solving multi-label problems with performance improvement, achieving a substantial speedup over the classical MLL algorithm.
• Abstract（参考訳）: マルチラベルk-アネレスト隣人(ML-kNN)は、局所的な近傍類似性を持つマルチラベル学習(MLL)問題を効果的に解くことができるが、大規模なデータセットでは時間複雑性がほとんど受け入れられない。 この問題を解決するために,量子マルチラベルk-nearest neighbor (QML-kNN)と呼ばれる量子コンピューティング技術を用いた新しいML-kNNアルゴリズムを提案する。 特に,まず,量子位相推定とGroverの振幅増幅を利用して,先行確率の計算を高速化する。 次に、隣人を効率的に同定するために、制御SWAPテストと量子k-最大類似度探索を用いる。 その後、量子並列カウント回路(QPCC)を設計し、後部確率を高速に計算する。 実験により,QML-kNNは,従来のMLLアルゴリズムよりも大幅に高速化され,性能改善による多ラベル問題の解法における時間的複雑性を大幅に低減できることが示された。

関連論文リスト

• Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
  変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。 特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。 シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
  論文  参考訳（メタデータ） (2024-01-25T17:37:40Z)
• Quantum-Based Feature Selection for Multi-classification Problem in Complex Systems with Edge Computing [15.894122816099133]
  マルチクラス化問題,すなわちQReliefFに対する量子ベースの特徴選択アルゴリズムを提案する。 我々のアルゴリズムは、O(M) から O(sqrt(M)) への複雑さを減らし、最も近い隣人を見つけるのに優れている。
  論文  参考訳（メタデータ） (2023-10-01T03:57:13Z)
• Multi-sequence alignment using the Quantum Approximate Optimization Algorithm [0.0]
  本稿では、変分量子近似最適化アルゴリズム(QAOA)を用いた多重系列アライメント問題のハミルトニアン定式化と実装について述べる。 我々は、量子シミュレーターと実際の量子コンピュータ上での性能の両方において、我々のQAOA-MSAアルゴリズムの小さな例を考える。 調査されたMSAのインスタンスに対する理想的な解決策は、浅いp5量子回路でサンプリングされた最も可能性の高い状態であることが示されているが、現在のデバイスにおけるノイズのレベルは依然として深刻な課題である。
  論文  参考訳（メタデータ） (2023-08-23T12:46:24Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• Quantum Optimization of Maximum Independent Set using Rydberg Atom Arrays [39.76254807200083]
  最大独立集合問題の解法として量子アルゴリズムを実験的に検討する。 問題の難易度は解の縮退と局所ミニマの数によって制御される。 最も難しいグラフでは、正確な解を見つける際に超線形量子スピードアップを観測する。
  論文  参考訳（メタデータ） (2022-02-18T19:00:01Z)
• Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator [0.0]
  本稿では,量子ユークリッド推定アルゴリズムを用いた効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。 提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。
  論文  参考訳（メタデータ） (2020-12-21T06:38:20Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。