Simulation of a Variational Quantum Perceptron using Grover’s Algorithm

要約

量子パーセプトロン、変分回路、グローバー アルゴリズムは、量子機械学習の有望なコンポーネントとして提案されています。
この論文では、量子変分回路と Grover アルゴリズムを組み合わせた新しい量子パーセプトロンを紹介します。
ただし、これは、グローバー アルゴリズム (QVPG) を使用したこの量子変分パーセプトロンが、量子変分 (QVP) や古典的な対応物よりも優れていることを保証するものではありません。
ここでは、QVP と QVP-G の損失関数を計算し、分類タスクでの精度を分析し、これら 2 つの量子モデルを古典的なパーセプトロン (CP) と比較することによって、QVP と QVP-G のパフォーマンスを調べます。
結果は、私たちの 2 つの量子モデルが CP よりも効率的であり、私たちが提案した新しいモデル QVP-G が QVP よりも優れていることを示し、Grover を分類タスクに適用でき、非構造化検索問題に加えてモデルの精度をさらに高めることができることを示しています。
。

要約(オリジナル)

The quantum perceptron, the variational circuit, and the Grover algorithm have been proposed as promising components for quantum machine learning. This paper presents a new quantum perceptron that combines the quantum variational circuit and the Grover algorithm. However, this does not guarantee that this quantum variational perceptron with Grover’s algorithm (QVPG) will have any advantage over its quantum variational (QVP) and classical counterparts. Here, we examine the performance of QVP and QVP-G by computing their loss function and analyzing their accuracy on the classification task, then comparing these two quantum models to the classical perceptron (CP). The results show that our two quantum models are more efficient than CP, and our novel suggested model QVP-G outperforms the QVP, demonstrating that the Grover can be applied to the classification task and even makes the model more accurate, besides the unstructured search problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google