Fugu-MT 論文翻訳(概要): Quantum Kernel-Based Long Short-term Memory for Climate Time-Series Forecasting

論文の概要: Quantum Kernel-Based Long Short-term Memory for Climate Time-Series Forecasting

arxiv url: http://arxiv.org/abs/2412.08851v1
Date: Thu, 12 Dec 2024 01:16:52 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-13 13:34:37.666002
Title: Quantum Kernel-Based Long Short-term Memory for Climate Time-Series Forecasting
Title（参考訳）: 気候時系列予測のための量子カーネルによる長期記憶
Authors: Yu-Chao Hsu, Nan-Yow Chen, Tai-Yu Li, Po-Heng, Lee, Kuan-Cheng Chen,
Abstract要約: 本稿では,量子カーネル法を従来のLSTMアーキテクチャに統合したQK-LSTM(Quantum Kernel-Based Long short-Memory)ネットワークを提案する。 QK-LSTMは、トレーニング可能なパラメータが少ない複雑な非線形依存と時間ダイナミクスをキャプチャする。
参考スコア（独自算出の注目度）: 0.24739484546803336
License:
Abstract: We present the Quantum Kernel-Based Long short-memory (QK-LSTM) network, which integrates quantum kernel methods into classical LSTM architectures to enhance predictive accuracy and computational efficiency in climate time-series forecasting tasks, such as Air Quality Index (AQI) prediction. By embedding classical inputs into high-dimensional quantum feature spaces, QK-LSTM captures intricate nonlinear dependencies and temporal dynamics with fewer trainable parameters. Leveraging quantum kernel methods allows for efficient computation of inner products in quantum spaces, addressing the computational challenges faced by classical models and variational quantum circuit-based models. Designed for the Noisy Intermediate-Scale Quantum (NISQ) era, QK-LSTM supports scalable hybrid quantum-classical implementations. Experimental results demonstrate that QK-LSTM outperforms classical LSTM networks in AQI forecasting, showcasing its potential for environmental monitoring and resource-constrained scenarios, while highlighting the broader applicability of quantum-enhanced machine learning frameworks in tackling large-scale, high-dimensional climate datasets.
Abstract（参考訳）: 本稿では,QK-LSTM(Quantum Kernel-Based Long short-Memory)ネットワークについて述べる。これは従来のLSTMアーキテクチャに量子カーネル手法を統合することで,大気質指数(AQI)予測などの気候時系列予測タスクにおける予測精度と計算効率を向上させる。古典的な入力を高次元の量子的特徴空間に埋め込むことにより、QK-LSTMは、訓練可能なパラメータが少なくて複雑な非線形依存と時間的ダイナミクスをキャプチャする。量子カーネル法を活用することで、量子空間における内部積の効率的な計算が可能になり、古典的なモデルや変分量子回路ベースのモデルによって直面する計算上の課題に対処することができる。 Noisy Intermediate-Scale Quantum (NISQ) 時代に設計されたQK-LSTMは、スケーラブルなハイブリッド量子古典実装をサポートする。実験結果から,QK-LSTMはAQI予測において従来のLSTMネットワークよりも優れており,環境モニタリングや資源制約のあるシナリオの可能性を示すとともに,大規模で高次元の気候データセットに対処する上で,量子強化機械学習フレームワークの広範な適用性を強調している。

関連論文リスト

Programming Variational Quantum Circuits with Quantum-Train Agent [3.360429911727189]
可変量子回路(VQC)の効率的かつスケーラブルなプログラミングを容易にするQT-QFWP(Quantum-Train Quantum Fast Weight Programmer)フレームワークを提案する。このアプローチは、量子と古典の両方のパラメータ管理を最適化することで、従来のハイブリッド量子古典モデルに対して大きな優位性をもたらす。 QT-QFWPは、関連モデルを効率性と予測精度の両方で上回り、より実用的で費用対効果の高い量子機械学習アプリケーションへの道筋を提供する。
論文参考訳（メタデータ） (2024-12-02T06:26:09Z)
Quantum Kernel-Based Long Short-term Memory [0.30723404270319693]
本稿では,Quantum Kernel-Based Long Short-Term Memory (QK-LSTM) ネットワークを導入する。この量子化アーキテクチャは、効率的な収束、ロバストな損失最小化、モデルコンパクト性を示す。ベンチマークの結果,QK-LSTMは従来のLSTMモデルと同等の性能を示すが,パラメータは少ない。
論文参考訳（メタデータ） (2024-11-20T11:39:30Z)
LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
論文参考訳（メタデータ） (2024-09-22T23:18:06Z)
Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
論文参考訳（メタデータ） (2023-12-21T21:40:47Z)
Variational Quantum Approximate Spectral Clustering for Binary Clustering Problems [0.7550566004119158]
本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。 VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。合成と実世界の両方のデータセットから得られた数値結果について述べる。
論文参考訳（メタデータ） (2023-09-08T17:54:42Z)
QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文参考訳（メタデータ） (2023-08-25T15:08:19Z)
A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken Command Recognition [69.97260364850001]
本稿では,量子カーネル学習(QKL)フレームワークを提案する。古典的-量子的特徴符号化に基づく音響特性を計画する。
論文参考訳（メタデータ） (2022-11-02T16:46:23Z)
Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文参考訳（メタデータ） (2021-03-12T20:58:41Z)
Quantum Long Short-Term Memory [3.675884635364471]
LSTM(Long Short-term memory)は、シーケンスおよび時間依存性データモデリングのためのリカレントニューラルネットワーク(RNN)である。本稿では,QLSTMを疑似化したLSTMのハイブリッド量子古典モデルを提案する。我々の研究は、ノイズの多い中間スケール量子(NISQ)デバイス上でのシーケンスモデリングのための機械学習アルゴリズムの実装への道を開いた。
論文参考訳（メタデータ） (2020-09-03T16:41:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。