論文の概要: A Hybrid Quantum-Classical Autoencoder Framework for End-to-End Communication Systems

• arxiv url: http://arxiv.org/abs/2412.20241v2
• Date: Tue, 31 Dec 2024 14:08:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-03 11:36:35.683873
• Title: A Hybrid Quantum-Classical Autoencoder Framework for End-to-End Communication Systems
• Title（参考訳）: エンドツーエンド通信システムのためのハイブリッド量子古典型オートエンコーダフレームワーク
• Authors: Bolun Zhang, Gan Zheng, Nguyen Van Huynh,
• Abstract要約: 我々は、パラメータ化量子回路と古典的ディープニューラルネットワーク(DNN)を組み合わせた、新しいハイブリッド量子古典型オートエンコーダアーキテクチャを導入する。 提案手法の有効性を実証し,従来のDNNおよび従来のチャネル符号化方式と同等のブロック誤り率(BLER)を達成できることを明らかにする。
• 参考スコア（独自算出の注目度）: 16.346119021827583
• License:
• Abstract: This paper investigates the application of quantum machine learning to End-to-End (E2E) communication systems in wireless fading scenarios. We introduce a novel hybrid quantum-classical autoencoder architecture that combines parameterized quantum circuits with classical deep neural networks (DNNs). Specifically, we propose a hybrid quantum-classical autoencoder (QAE) framework to optimize the E2E communication system. Our results demonstrate the feasibility of the proposed hybrid system, and reveal that it is the first work that can achieve comparable block error rate (BLER) performance to classical DNN-based and conventional channel coding schemes, while significantly reducing the number of trainable parameters. Additionally, the proposed QAE exhibits steady and superior BLER convergence over the classical autoencoder baseline.
• Abstract（参考訳）: 本稿では,無線フェージングにおけるエンド・ツー・エンド(E2E)通信システムへの量子機械学習の適用について検討する。 本稿では、パラメータ化量子回路と古典的ディープニューラルネットワーク(DNN)を組み合わせた、新しいハイブリッド量子古典型オートエンコーダアーキテクチャを提案する。 具体的には、E2E通信システムを最適化するためのハイブリッド量子古典型オートエンコーダ(QAE)フレームワークを提案する。 提案手法の有効性を実証し,従来のDNNおよび従来のチャネル符号化方式と同等のブロック誤り率(BLER)を実現し,トレーニング可能なパラメータの数を著しく削減した。 さらに、提案したQAEは、古典的オートエンコーダベースラインに対して安定かつ優れたBLER収束を示す。

関連論文リスト

• Quantum-Classical Autoencoder Architectures for End-to-End Radio Communication [0.3518016233072557]
  本稿では、エンドツーエンド無線通信のためのハイブリッド量子古典型オートエンコーダアーキテクチャについて述べる。 シナリオ毎に詳細な公式を提供し、広範囲なシミュレーションを通してモデルを検証する。 一般的なフレームワークを提供することで、無線通信における量子機械学習アプリケーションのさらなる探索と開発を可能にする。
  論文  参考訳（メタデータ） (2024-05-28T12:11:24Z)
• Hybrid Tree Tensor Networks for quantum simulation [0.0]
  ハイブリッドツリーネットワーク(hTTN)を用いた基底状態最適化のための新しいアルゴリズムを提案する。 我々は、hTTNsが古典的部分における等しい結合次元を持つ古典的等価性を改善することができることを示した。
  論文  参考訳（メタデータ） (2024-04-08T18:00:00Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• 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)
• A Hybrid Quantum-Classical Generative Adversarial Network for Near-Term Quantum Processors [0.0]
  本稿では,短期量子プロセッサのためのハイブリッド量子古典生成逆数ネットワーク(GAN)を提案する。 生成ネットワークは、量子回路を符号化する角度と変分量子アンサッツを用いて実現される。 識別器ネットワークは、多段トレーニング可能な量子回路を用いて実現される。
  論文  参考訳（メタデータ） (2023-07-06T20:11:28Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Hybrid Quantum-Classical Autoencoders for End-to-End Radio Communication [0.0]
  量子ニューラルネットワークは、ノイズの多い量子処理ユニットをアプリケーションに活用する潜在的な候補として浮上している。 エンドツーエンド無線通信のためのハイブリッド量子古典型オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2023-01-06T17:13:35Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• Classical-to-Quantum Transfer Learning for Spoken Command Recognition Based on Quantum Neural Networks [13.485144642413907]
  本研究では、音声コマンド認識(SCR)のための新しいハイブリッドエンドツーエンド量子ニューラルネットワーク(QNN)への機械学習アルゴリズム適用による転送学習の拡張について検討する。 我々は,事前学習した古典的ネットワークを,ハイブリッドQNNモデルの古典的部分に転送するハイブリッドトランスファー学習アルゴリズムを提案する。 Google音声コマンドデータセット上で,SCR用ハイブリッド古典量子QNNに適用したハイブリッドトランスファー学習アルゴリズムを評価する。
  論文  参考訳（メタデータ） (2021-10-17T00:45:31Z)
• On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
  ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。 この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。 マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T12:41:50Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。