サポートベクトルマシンの量子カーネルのための量子回路の組成最適化【JST・京大機械翻訳】

Torabian Elham; Krems Roman V.

プレプリント

J-GLOBAL ID：202202207184548273 整理番号：22P0310498

サポートベクトルマシンの量子カーネルのための量子回路の組成最適化【JST・京大機械翻訳】

Compositional optimization of quantum circuits for quantum kernels of support vector machines

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月25日プレプリントサーバーでの情報更新日： 2023年03月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

量子計算機学習(ML)は量子計算の最も有望な応用の1つであるが,古典的MLを凌駕する量子MLモデルの構築は主要な未解決問題である。ここでは,量子ゲートシーケンスをデータに適応させるサポートベクトルマシンのための量子カーネルを構築するためのBayesアルゴリズムを示した。アルゴリズムは,回路選択計量としてBayes情報基準で選択した量子ゲートを付加することによって,量子回路の複雑性を増分的に増加させ,局所最適量子回路のパラメータのBayes最適化を,同定した。目標は,できるだけ少ない訓練データで分類問題を解決することができるSVMのための量子カーネルを構築することである。ここで考察した分類問題に対する得られた量子モデルの性能は,従来のカーネルを持つ最適化古典的モデルよりも著しく優れている。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

計算理論 , 量子力学一般 , 論理回路 , 統計学 , その他の計算機

, , , , ,

前のページに戻る