論文の概要: A quantum k-nearest neighbors implementation using magnitude-aware comparisons

• arxiv url: http://arxiv.org/abs/2610.33739v1
• Date: Sat, 24 Oct 2026 15:29:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.432717
• Title: A quantum k-nearest neighbors implementation using magnitude-aware comparisons
• Title（参考訳）: マグニチュード・アウェア比較を用いた量子k-アネレスの隣り合わせ実装
• Abstract要約: いくつかのアルゴリズムは、量子KNN(QKNN)を解くために類似度を計算する方法を考案した。 本稿では,L2ノルムの異なるベクトル間のユークリッド距離計算を可能にする実用的な量子符号化手法を提案する。 同等のメソッドよりも理解と実装が簡単で、キュービットが少ない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Much attention has recently been devoted to the k-nearest neighbors (KNN) algorithm as a case study for quantum computing algorithms. Several algorithms have devised methods to compute a similarity metric to solve Quantum KNN (QKNN). This paper presents a practical quantum encoding technique that enables Euclidean distance calculation between vectors with different L2 norms by appending a single component to each vector, then uses it in the QKNN problem. It is arguably simpler to understand and implement than comparable methods and uses fewer qubits. Further, an implementation of this algorithm is provided and is used to benchmark it against a recent Euclidean-distance QKNN method on standard labeled datasets. In addition to demonstrating proper formulation, the results show marked improvement over similar implementations during simulation with realistic noise due to the use of fewer qubits and thus more coherent circuits.
• Abstract（参考訳）: 近年、量子コンピューティングアルゴリズムのケーススタディとしてk-nearest neighbors (KNN)アルゴリズムに多くの注目が寄せられている。 いくつかのアルゴリズムは、量子KNN(QKNN)を解くために類似度を計算する方法を考案した。 本稿では,各ベクトルに1つの成分を付加することにより,異なるL2ノルムを持つベクトル間のユークリッド距離を計算し,QKNN問題でそれを利用する実用的な量子符号化手法を提案する。 同等のメソッドよりも理解と実装が簡単で、キュービットが少ない。 さらに、このアルゴリズムの実装を提供し、標準ラベル付きデータセット上の最近のユークリッド距離QKNN法と比較する。 適切な定式化の証明に加えて、より少ない量子ビットとよりコヒーレントな回路を用いることにより、現実的な雑音を伴うシミュレーションにおいて、同様の実装よりも顕著な改善が示された。

関連論文リスト

• HARLI CQUINN: Higher Adjusted Randomness with Linear In Complexity QUantum INspired Networks for K-Means [0.0]
  古典的k平均アルゴリズムと同等以上の量子性能を示す。 我々は、その精度のベンチマークを、よく知られたデータセットと実験データセットの両方のテストケースに提示する。
  論文  参考訳（メタデータ） (2025-09-23T02:32:13Z)
• Fast Algorithms and Implementations for Computing the Minimum Distance of Quantum Codes [43.96687298077534]
  安定化器量子コードの距離は、検出および修正可能なエラーの数を決定する。 本稿では,関連する古典符号のシンプレクティック距離を計算するために,3つの新しい高速アルゴリズムと実装を提案する。
  論文  参考訳（メタデータ） (2024-08-20T11:24:30Z)
• Linear Circuit Synthesis using Weighted Steiner Trees [45.11082946405984]
  CNOT回路は一般的な量子回路の共通構成ブロックである。 本稿では,CNOTゲート数を最適化するための最先端アルゴリズムを提案する。 シミュレーション評価により、提案手法はほとんど常に有用であることが示され、CNOTゲートの数を最大10%削減する。
  論文  参考訳（メタデータ） (2024-08-07T19:51:22Z)
• A quantum k-nearest neighbors algorithm based on the Euclidean distance estimation [0.0]
  本稿ではユークリッド距離に基づく新しい量子k-NNアルゴリズムを提案する。 具体的には、低数の量子ビットを必要とする量子符号化と、オラクルを含まない単純な量子回路によって特徴づけられる。
  論文  参考訳（メタデータ） (2023-05-07T14:21:44Z)
• A quantum advantage over classical for local max cut [48.02822142773719]
  量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。 結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-17T16:42:05Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Variational Quantum and Quantum-Inspired Clustering [0.0]
  本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。 このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2022-06-20T17:02:19Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• 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)

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。