論文の概要: Quantum Generative Models for Image Generation: Insights from MNIST and MedMNIST

• arxiv url: http://arxiv.org/abs/2504.00034v1
• Date: Sun, 30 Mar 2025 06:36:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 15:43:08.418104
• Title: Quantum Generative Models for Image Generation: Insights from MNIST and MedMNIST
• Title（参考訳）: 画像生成のための量子生成モデル:MNISTとMedMNISTの考察
• Authors: Chi-Sheng Chen, Wei An Hou, Siang-Wei Hu, Zhen-Sheng Cai,
• Abstract要約: 画像生成タスクのための変分量子回路に基づく新しいハイブリッド量子生成モデルを提案する。 提案手法は,量子回路固有の量子生成ノイズと,新たに開発されたノイズスケジューリング手法の2つの特徴的ノイズ戦略を利用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research on quantum generative models is currently in its early exploratory stages, with very few established methodologies. In this paper, we propose a novel hybrid quantum generative model based on variational quantum circuits for image generation tasks, introducing innovative noise techniques specifically tailored for quantum computation. Our approach utilizes two distinctive noise strategies: quantum-generated noise inherent to quantum circuits, and a newly developed noise scheduling method, applying different noise levels strategically across time steps during the training process. Experiments conducted on MNIST and MedMNIST datasets demonstrate that our hybrid quantum model, combined with these specialized noise techniques, achieves promising results, suggesting improved generative performance compared to baseline quantum generative approaches. This exploratory work lays a critical foundation and opens new avenues for advancing quantum generative modeling research.
• Abstract（参考訳）: 量子生成モデルの研究は現在、初期の探索段階にあり、確立された方法論はほとんど確立されていない。 本稿では,画像生成タスクのための変分量子回路に基づく新しいハイブリッド量子生成モデルを提案する。 提案手法では, 量子回路固有のノイズ発生手法と, トレーニング過程の時間ステップ毎に異なるノイズレベルを戦略的に適用する新たなノイズスケジューリング手法の2つの特徴を生かした。 MNISTおよびMedMNISTデータセットを用いて行った実験により、これらの特殊なノイズ技術と組み合わせたハイブリッド量子モデルが有望な結果となり、ベースラインの量子生成手法と比較して生成性能が向上することが示唆された。 この探索的な研究は重要な基礎を築き、量子生成モデリング研究を進めるための新たな道を開く。

関連論文リスト

• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Quantum Diffusion Model for Quark and Gluon Jet Generation [3.129585931342323]
  量子コンピューティング技術の恩恵を受ける新しい拡散モデルを導入する。 我々は大型ハドロン衝突型加速器から構造的に複雑なクォークとグルーオンジェットのデータセットの評価を行った。
  論文  参考訳（メタデータ） (2024-12-30T17:00:54Z)
• Bayesian Quantum Amplitude Estimation [49.1574468325115]
  本稿では,量子振幅推定のための雑音対応ベイズアルゴリズムであるBAEを紹介する。 我々は,BAEがハイゼンベルク限界推定を達成し,他の手法と比較した。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Mixed-State Quantum Denoising Diffusion Probabilistic Model [0.40964539027092906]
  本稿では,混合状態量子復調拡散確率モデル(MSQuDDPM)を提案する。 MSQuDDPMは、前方拡散過程における脱分極ノイズチャネルとパラメータ化量子回路と、後方除極ステップにおける射影測定を統合する。 量子アンサンブル生成タスクにおけるMSQuDDPMの評価を行い,その性能を実証した。
  論文  参考訳（メタデータ） (2024-11-26T17:20:58Z)
• Quantum Generative Learning for High-Resolution Medical Image Generation [1.189046876525661]
  既存のQGAN(Quantum Generative Adversarial Network)は、パッチベースのピクセル単位の学習アプローチのため、高品質な画像を生成することができない。 高品質な医用画像生成のための量子画像生成学習(QIGL)手法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T04:04:32Z)
• Hybrid Quantum-Classical Normalizing Flow [5.85475369017678]
  パラメータ化量子回路に基づくハイブリッド量子古典正規化フロー(HQCNF)モデルを提案する。 我々は画像生成問題でモデルを検証した。 量子生成逆数ネットワーク(QGAN)のような他の量子生成モデルと比較して、我々のモデルはFr'echet 距離(FID)の低いスコアを得る。
  論文  参考訳（メタデータ） (2024-05-22T16:37:22Z)
• Photonic quantum generative adversarial networks for classical data [0.0]
  生成学習では、ターゲットデータの分布に従う新しいサンプルを作成するためにモデルが訓練される。 線形光回路とフォック空間符号化に基づく量子GANを提案する。 単一光子量子プロセッサ上で実験的にモデルのエンドツーエンドをトレーニングすることで,モデルが画像を生成することを実証する。
  論文  参考訳（メタデータ） (2024-05-09T18:00:10Z)
• 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)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Generative quantum machine learning via denoising diffusion probabilistic models [17.439525936236166]
  量子データの効率よく学習可能な生成学習を実現するために,QuDDPM(quantum denoising diffusion probabilistic Model)を提案する。 本稿では,量子ノイズモデル,量子多体位相,および量子データの位相構造を学習するQuDDPMの機能を示す。
  論文  参考訳（メタデータ） (2023-10-09T17:03:08Z)
• Fighting noise with noise: a stochastic projective quantum eigensolver [0.0]
  本稿では,量子状態の必要なサンプリングにおいて,物理観測値の2次低減につながる新しい手法を提案する。 この方法は、量子デバイス上の一般化学のための励起状態計算やシミュレーションに応用できる。
  論文  参考訳（メタデータ） (2023-06-26T09:22:06Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• 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)
• Noise-assisted digital quantum simulation of open systems [1.3124513975412255]
  本稿では,オープン量子システムのシミュレーションに必要な計算資源を削減するために,量子デバイス固有のノイズを利用する新しい手法を提案する。 具体的には、量子回路におけるデコヒーレンス率を選択的に向上または低減し、開系力学の所望のシミュレーションを実現する。
  論文  参考訳（メタデータ） (2023-02-28T14:21:43Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
  我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。 これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。 シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
  論文  参考訳（メタデータ） (2021-05-20T17:06:52Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。