Quorum: Zero-Training Unsupervised Anomaly Detection using Quantum Autoencoders

要約

ミッションクリティカルな異常なイベントとデータを検出することは、金融、ヘルスケア、エネルギーなど、さまざまな業界にわたる重要な課題です。
量子コンピューティングは最近、いくつかの機械学習タスクに取り組むための強力なツールとして浮上していますが、特に勾配計算の難しさにより、量子機械学習モデルのトレーニングは依然として困難です。
異常検出の課題はさらに大きく、監視されていない学習方法が実用的な適用性を確保するために不可欠です。
これらの問題に対処するために、トレーニングを必要とせずに動作する監視されていない学習のために設計された最初の量子異常検出フレームワークであるQuorumを提案します。

要約(オリジナル)

Detecting mission-critical anomalous events and data is a crucial challenge across various industries, including finance, healthcare, and energy. Quantum computing has recently emerged as a powerful tool for tackling several machine learning tasks, but training quantum machine learning models remains challenging, particularly due to the difficulty of gradient calculation. The challenge is even greater for anomaly detection, where unsupervised learning methods are essential to ensure practical applicability. To address these issues, we propose Quorum, the first quantum anomaly detection framework designed for unsupervised learning that operates without requiring any training.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google