Fugu-MT 論文翻訳(概要): Comment on 'Supervised quantum machine learning models are kernel methods'

論文の概要: Comment on 'Supervised quantum machine learning models are kernel methods'

arxiv url: http://arxiv.org/abs/2608.24923v1
Date: Tue, 18 Aug 2026 20:23:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 18:54:32.872156
Title: Comment on 'Supervised quantum machine learning models are kernel methods'
Title（参考訳）: スーパービジョン量子機械学習モデルはカーネル・メソッド」へのコメント
Abstract要約: M. Schuld における Theorem 1 の証明において、いくつかの小さな誤りを識別する。これらは定理の妥当性には影響しないが、量子核のフーリエ係数を明示的に計算するために付録を使いたければ問題となる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We identify a few small errors in the proof of Theorem 1 in M. Schuld, 'Supervised quantum machine learning models are kernel methods' (arXiv:2101.11020v2), Appendix A. These do not affect the validity of the theorem, but do matter if one wants to use the appendix to explicitly compute the Fourier coefficients of a quantum kernel. We give the corrected derivation, and additionally show that the paper's worked cosine-kernel example contains a second, unrelated error that happens to cancel the first, thereby coincidentally yielding the correct result.
Abstract（参考訳）: M. Schuld, 'Supervised quantum machine learning models are kernel methods' (arXiv:2101.11020v2), Appendix A. これらは定理の妥当性には影響しないが、量子カーネルのフーリエ係数を明示的に計算するために付録を使用したい場合はどうか。補正された導出を与え、さらに、論文のコサイン・カーネルの例には、第1をキャンセルする2番目の無関係なエラーが含まれており、その結果が偶然に正しい結果が得られることを示す。

関連論文リスト

Effective Dimension Governs Generalization in Quantum Kernel Vision Models [31.082191748525137]
エンタングルメント構造と量子ノイズは、$d_rm eff$を移動させる2つのノブであることを示す。振幅減衰契約を$d_rm eff$とし、逆Uスイートスポットに沿ってテスト精度を最大+13%引き上げる。
論文参考訳（メタデータ） (2026-06-18T12:55:59Z)
Normal quantum channels and Markovian correlated two-qubit quantum errors [77.34726150561087]
一般の'分散ランダムなユニタリ変換について検討する。一方、正規分布はユニタリ量子チャネルを誘導する。一方、拡散ランダムウォークは単位量子過程を定義する。
論文参考訳（メタデータ） (2023-07-25T15:33:28Z)
Simple Tests of Quantumness Also Certify Qubits [69.96668065491183]
量子性の検定は、古典的検証者が証明者が古典的でないことを(のみ)証明できるプロトコルである。我々は、あるテンプレートに従う量子性のテストを行い、(Kalai et al., 2022)のような最近の提案を捉えた。すなわち、同じプロトコルは、証明可能なランダム性や古典的な量子計算のデリゲートといったアプリケーションの中心にあるビルディングブロックであるqubitの認定に使用できる。
論文参考訳（メタデータ） (2023-03-02T14:18:17Z)
Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文参考訳（メタデータ） (2022-12-06T22:01:49Z)
On the misinterpretation of conditionally-solvable quantum-mechanical problems [0.0]
最近の論文で導かれた放射固有値方程式の正確な解は、よく知られた定理を満たさないため、正しくないことが示される。
論文参考訳（メタデータ） (2022-05-15T18:13:45Z)
Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文参考訳（メタデータ） (2022-04-26T09:52:02Z)
The complexity of quantum support vector machines [1.7887848708497243]
量子サポートベクトルマシンは、カーネル関数を定義するために量子回路を使用する。二重問題は$O(M4.67/varepsilon2)$量子回路評価で解けることを示す。
論文参考訳（メタデータ） (2022-02-28T19:01:17Z)
Non-commutative graphs based on finite-infinite system couplings: quantum error correction for a qubit coupled to a coherent field [0.0]
有限次元量子系と無限次元系を結合した場合の誤差補正について検討する。我々は、誤差補正部分空間上のプロジェクタである量子斜方形を見つけ、それを量子ビットとボゾン場の周波数の関数として解析する。
論文参考訳（メタデータ） (2021-04-24T12:06:43Z)
Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文参考訳（メタデータ） (2021-03-31T02:41:36Z)
Fusion-based quantum computation [43.642915252379815]
フュージョンベース量子コンピューティング(Fusion-based quantum computing、FBQC)は、核融合と呼ばれるエンタングリングの測定を、小さな定数サイズのエンタングルド・リソース状態の量子ビット上で行う、普遍量子計算のモデルである。本稿では,これらのスキームにおける耐故障性と計算を解析するための安定化器形式について紹介する。このフレームワークは、フォトニクスのような量子コンピューティングの特定の物理系で発生するエラー構造を自然に捉えている。
論文参考訳（メタデータ） (2021-01-22T20:00:22Z)
Using Quantum Metrological Bounds in Quantum Error Correction: A Simple Proof of the Approximate Eastin-Knill Theorem [77.34726150561087]
本稿では、量子誤り訂正符号の品質と、論理ゲートの普遍的な集合を達成する能力とを結びつける、近似したイージン・クニル定理の証明を示す。我々の導出は、一般的な量子気象プロトコルにおける量子フィッシャー情報に強力な境界を用いる。
論文参考訳（メタデータ） (2020-04-24T17:58:10Z)
Sample-efficient learning of quantum many-body systems [17.396274240172122]
ギブス状態から得られた量子多体系のハミルトニアンを学習する問題について検討する。量子ハミルトン学習問題に対する最初のサンプル効率アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-15T18:01:59Z)

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。