Quantum Splines for Non-Linear Approximations

要約

量子コンピューティングは、効率的なコンピューティングのための新しいパラダイムを提供し、多くの AI アプリケーションがパフォーマンスの潜在的な向上から恩恵を受ける可能性があります。
ただし、主な制限は、データ内の複雑な関係の表現を妨げる線形操作への制約です。
この作業では、非線形近似のための量子スプラインの効率的な実装を提案します。
具体的には、最初に可能なパラメーター化について説明し、HHL アルゴリズムを利用してスプライン係数の推定値を取得するのに最も便利なものを選択します。
次に、ML で採用されている最も一般的なアクティベーション関数の評価ルーチンとして QSpline のパフォーマンスを調査します。
最後に、HHL の従来の代替手段との詳細な比較も示します。

要約(オリジナル)

Quantum Computing offers a new paradigm for efficient computing and many AI applications could benefit from its potential boost in performance. However, the main limitation is the constraint to linear operations that hampers the representation of complex relationships in data. In this work, we propose an efficient implementation of quantum splines for non-linear approximation. In particular, we first discuss possible parametrisations, and select the most convenient for exploiting the HHL algorithm to obtain the estimates of spline coefficients. Then, we investigate QSpline performance as an evaluation routine for some of the most popular activation functions adopted in ML. Finally, a detailed comparison with classical alternatives to the HHL is also presented.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google