論文の概要: Comment on "Supervised Learning with Quantum Hamiltonian Embeddings" (arXiv:2610.26833)
- arxiv url: http://arxiv.org/abs/2611.05105v2
- Date: Wed, 11 Nov 2026 16:27:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.842117
- Title: Comment on "Supervised Learning with Quantum Hamiltonian Embeddings" (arXiv:2610.26833)
- Title(参考訳): 量子ハミルトニアンの埋め込みによる超越的学習 (arXiv:2610.26833)
- Abstract要約: 量子認知機械学習における量子ハミルトニアン埋め込みとそれ以前の発展との関係について論じる。
学習データを共有基底状態に符号化する新規性主張と計算的役割について検討する。
完全に古典的な推論を持つ実験モデルについて、この論文は量子トレーニングの計算上の優位性を確立していない。
- 参考スコア(独自算出の注目度): 39.146761527401424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We discuss the relationship between quantum Hamiltonian embeddings (arXiv:2610.26833) and prior developments in Quantum Cognition Machine Learning (QCML), including QCML's earlier implementation on IBM quantum hardware. We examine the novelty claims and the computational role of encoding the training data in a shared ground state. We assess the scope of the trainability and generalization guarantees and identify missing comparisons with relevant classical alternatives. For the reported experimental model, whose inference is entirely classical, the paper does not establish a computational advantage for quantum training.
- Abstract(参考訳): 量子ハミルトニアン埋め込み(arXiv:2610.26833)と、QCMLによるIBM量子ハードウェアの実装を含む量子認知機械学習(QCML)の先行開発との関係について論じる。
学習データを共有基底状態に符号化する新規性主張と計算的役割について検討する。
トレーニング可能性と一般化保証の範囲を評価し、関連する古典的代替品との欠落した比較を同定する。
完全に古典的な推論を持つ実験モデルについて、この論文は量子トレーニングの計算上の優位性を確立していない。
関連論文リスト
- Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。
本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文 参考訳(メタデータ) (2024-11-14T12:27:50Z) - Measurement-based infused circuits for variational quantum eigensolvers [1.732837834702512]
変分量子固有解法(VQEs)は、量子コンピュータ上の物理系を研究するために成功したアルゴリズムである。
本研究では,従来のVQE回路にそのようなアイデアを組み込む。
テストベッドシステムのVQEシミュレーションにより, 実超伝導量子コンピュータへのアプローチを示す。
論文 参考訳(メタデータ) (2023-05-30T16:45:54Z) - Challenges and Opportunities in Quantum Machine Learning [2.5671549335906367]
量子機械学習(QML)は、特に量子データに対して、データ分析を加速する可能性がある。
ここでは、QMLの現在の方法と応用について概観する。
量子ニューラルネットワークと量子ディープラーニングに焦点をあてて、量子と古典的な機械学習の違いを強調します。
論文 参考訳(メタデータ) (2023-03-16T17:10:39Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳(メタデータ) (2022-05-10T08:05:59Z) - State preparation and evolution in quantum computing: a perspective from
Hamiltonian moments [5.774827369850958]
近年の取り組みでは、量子計算されたハミルトンモーメントに基づく量子アルゴリズムの開発が注目されている。
本チュートリアルでは、量子ハードウェアを用いたハミルトンモーメントの典型的な計算方法と、推定状態エネルギーの精度の向上に焦点を当てる。
論文 参考訳(メタデータ) (2021-09-27T04:24:19Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Classification with Quantum Machine Learning: A Survey [17.55390082094971]
我々は古典的機械学習(ML)と量子情報処理(QIP)を組み合わせることで、量子世界における量子機械学習(QML)と呼ばれる新しい分野を構築する。
本稿では,量子機械学習(QML)の最先端技術に関する包括的調査を提示し,要約する。
論文 参考訳(メタデータ) (2020-06-22T14:05:31Z)
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。