Learning reduced representations for quantum classifiers

doi:10.1007/s42484-025-00331-y

Learning reduced representations for quantum classifiers

2025-12-01

0

OA

AI

Panagiotis Kl. Barkoutsos

DOI：10.1007/s42484-025-00331-y

原文链接

查看原文

摘要

En 中文

由大量特征指定数据集目前超出了量子机器学习算法的应用范围。解决这一困境的即时方法是应用降维方法，在将数据传递给量子算法之前进行处理。我们研究了一种包含67个特征的粒子物理数据集，考察了六种常规特征提取算法和五种基于自动编码器的降维模型。这些模型生成的降维表示随后用于训练一个量子支持向量机，以解决一个二元分类问题：在大型强子对撞机（LHC）的质子碰撞中是否产生希格斯玻色子。我们证明，自动编码器方法学习到了数据更好的低维表示，其中我们设计的Sinkclass自动编码器比基线方法性能提高了40%。此处开发的方法扩展了量子机器学习在更大范围数据集上的应用。此外，我们为此背景提供了有效的降维方案。

Keyword:

Dimensionality reduction

Hybrid methods

Classification

Particle physics data

Learning reduced representations for quantum classifiers

摘要

AI总结

期刊

机构

引用论文