Regression and Classification with Single-Qubit Quantum Neural Networks

要約

古典的な機械学習はデータ駆動型アルゴリズムを開発するための強力なツールとなっているため、量子機械学習も同様に量子アルゴリズムの開発に影響を与えると期待されています。
文献には、機械学習と量子コンピューティングの間の相互に有益な関係が反映されており、一方の分野の進歩が他方の分野の改善を促進することがよくあります。
パラメーター化された量子回路によって可能になる機械学習と量子コンピューティングの間の豊かなつながりを動機として、回帰タスクと分類タスクの両方にリソース効率が高くスケーラブルなシングル量子ビット量子ニューラル ネットワーク (SQQNN) を使用します。
SQQNN は、パラメーター化された単一量子ビットのユニタリ演算子と量子測定を活用して、効率的な学習を実現します。
モデルをトレーニングするには、回帰タスクに勾配降下法を使用します。
分類のために、テイラー級数にヒントを得た新しいトレーニング方法を導入します。これにより、単一ステップで効率的に大域最小値を見つけることができます。
このアプローチでは、反復手法と比較してトレーニングが大幅に高速化されます。
さまざまなアプリケーションにわたって評価された SQQNN は、MNIST データセットを含む回帰および分類タスクにおいて、事実上エラーがなく強力なパフォーマンスを示します。
これらの結果は、SQQNN の多用途性、拡張性、および近い将来の量子デバイスへの展開への適合性を示しています。

要約(オリジナル)

Since classical machine learning has become a powerful tool for developing data-driven algorithms, quantum machine learning is expected to similarly impact the development of quantum algorithms. The literature reflects a mutually beneficial relationship between machine learning and quantum computing, where progress in one field frequently drives improvements in the other. Motivated by the fertile connection between machine learning and quantum computing enabled by parameterized quantum circuits, we use a resource-efficient and scalable Single-Qubit Quantum Neural Network (SQQNN) for both regression and classification tasks. The SQQNN leverages parameterized single-qubit unitary operators and quantum measurements to achieve efficient learning. To train the model, we use gradient descent for regression tasks. For classification, we introduce a novel training method inspired by the Taylor series, which can efficiently find a global minimum in a single step. This approach significantly accelerates training compared to iterative methods. Evaluated across various applications, the SQQNN exhibits virtually error-free and strong performance in regression and classification tasks, including the MNIST dataset. These results demonstrate the versatility, scalability, and suitability of the SQQNN for deployment on near-term quantum devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google