論文の概要: A Survey of Quantum Transformers: Technical Approaches, Challenges and Outlooks
- arxiv url: http://arxiv.org/abs/2504.03192v3
- Date: Fri, 09 May 2025 08:34:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-12 14:47:46.968286
- Title: A Survey of Quantum Transformers: Technical Approaches, Challenges and Outlooks
- Title（参考訳）: 量子変換器に関するサーベイ:技術的アプローチ,課題,展望
- Authors: Hui Zhang, Qinglin Zhao,
- Abstract要約: 量子トランスフォーマーは量子コンピューティングと強力なトランスフォーマーモデルを組み合わせて、機械学習の新しい可能性を提供します。
本稿では,量子トランスモデルの包括的,体系的な調査を行う。
- 参考スコア（独自算出の注目度）: 2.5871385953824855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum Transformers combine quantum computing with the powerful Transformer model, offering new possibilities for machine learning by leveraging quantum features like superposition and entanglement. The surge in research since 2022, marked by diverse approaches and evolving trajectories, underscores the need for a cohesive synthesis of this interdisciplinary field. This paper presents the first comprehensive, systematic survey of quantum Transformer models. We define the research scope, focusing on quantum enhancements to Transformer components, and introduce key concepts in classical Transformers and quantum machine learning. Existing studies are categorized into Parameterized Quantum Circuits (PQC)-based and Quantum Linear Algebra (QLA)-based paradigms. PQC-based approaches are further divided into QKV-only Quantum Mapping, Quantum Pairwise Attention, Quantum Global Attention, and Quantum-assisted Acceleration, with analysis of core concepts and techniques. We evaluate computational complexity and performance, highlighting challenges such as scalability, generalization, and the barren plateau problem in PQC-based methods, and parameter trainability in QLA-based ones. Finally, we suggest future directions including low-complexity quantum Transformer variants, enhanced scalability, standardized evaluation, robust PQC architectures, and hybrid PQC-QLA designs. This survey should help researchers and practitioners quickly grasp the overall landscape of current quantum Transformer research and promote future developments in this emerging field.
- Abstract（参考訳）: 量子トランスフォーマーは、量子コンピューティングと強力なトランスフォーマーモデルを組み合わせることで、重ね合わせや絡み合いといった量子機能を活用することで、機械学習の新たな可能性を提供します。
2022年以降の研究の急増は、様々なアプローチと進化する軌道によって特徴づけられ、この学際的な分野の凝集的な合成の必要性を浮き彫りにしている。
本稿では,量子トランスモデルの包括的,体系的な調査を行う。
我々は、Transformerコンポーネントの量子拡張に焦点をあて、研究範囲を定義し、古典的なTransformerと量子機械学習における重要な概念を紹介します。
既存の研究は、パラメータ化量子回路(PQC)と、QLA(Quantum Linear Algebra)に基づくパラダイムに分類される。
PQCベースのアプローチは、QKVのみの量子マッピング、量子ペアワイドアテンション、量子グローバルアテンション、およびコア概念と技術の分析による量子支援アセンレーションにさらに分割される。
計算複雑性と性能を評価し,PQC法では拡張性,一般化,不毛な高原問題,QLA法ではパラメータのトレーニング性といった課題を強調した。
最後に,低複雑性量子トランスフォーマー,拡張スケーラビリティ,標準化された評価,堅牢なPQCアーキテクチャ,ハイブリッドPQC-QLA設計など,今後の方向性を提案する。
この調査は、研究者や実践者が現在の量子トランスフォーマー研究の全体像を素早く把握し、この新興分野における将来の発展を促進するのに役立つだろう。
関連論文リスト
- Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
変分量子アルゴリズム(VQA)は、量子ユーティリティや利点への短期的なルートを提供する可能性がある。
VQAは、基底状態推定のような様々なタスクに対して提案されている。
量子ハードウェアのトレーサビリティとリソースコストには、依然として大きな課題がある。
論文 参考訳（メタデータ） (2025-03-20T17:17:58Z) - Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - Transformer Models for Quantum Gate Set Tomography [1.1528488253382057]
量子計算は、高性能コンピューティングの領域における有望なフロンティアである。
本研究では,高忠実かつスケーラブルな量子プロセッサを製造する上での課題について検討する。
論文 参考訳（メタデータ） (2024-05-03T13:45:27Z) - Parameterized quantum comb and simpler circuits for reversing unknown qubit-unitary operations [8.14510296131348]
量子プロセス変換タスクにおいて,量子コムの潜在能力を最大限に活用するためのPQCombを提案する。
未知のキュービットユニタリ進化の時間反転シミュレーションのための2つの合理化プロトコルを提案する。
また、PQCombを拡張して、量子ユニタリ変換とチャネル識別の問題を解決する。
論文 参考訳（メタデータ） (2024-03-06T14:53:24Z) - 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) - Enabling Non-Linear Quantum Operations through Variational Quantum
Splines [1.3874486202578669]
本稿では,ハイブリッド量子古典計算を用いた非線形量子活性化関数の近似法を提案する。
提案手法は非線形近似のフレキシブルな問題表現に依存しており,既存の量子ニューラルネットワークアーキテクチャに組み込むのに適している。
論文 参考訳（メタデータ） (2023-03-08T18:39:43Z) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳（メタデータ） (2021-12-27T21:15:35Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。