論文の概要: QFGN: A Quantum Approach to High-Fidelity Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2504.19053v1
• Date: Sat, 26 Apr 2025 23:40:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.109329
• Title: QFGN: A Quantum Approach to High-Fidelity Implicit Neural Representations
• Title（参考訳）: QFGN:高忠実度暗黙的ニューラル表現への量子的アプローチ
• Authors: Hongni Jin, Gurinder Singh, Kenneth M. Merz Jr,
• Abstract要約: 本稿では,QFGN(Quantum Fourier Gaussian Network)を提案する。 その結果、QFGNは最小限のパラメータで現在の最先端(SOTA)モデルより優れていることが示された。 ハードウェア上のノイズにもかかわらず、このモデルはSIRENに匹敵する精度を実現し、この分野における量子機械学習の潜在的な応用を強調している。
• 参考スコア（独自算出の注目度）: 1.874615333573157
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Implicit neural representations have shown potential in various applications. However, accurately reconstructing the image or providing clear details via image super-resolution remains challenging. This paper introduces Quantum Fourier Gaussian Network (QFGN), a quantum-based machine learning model for better signal representations. The frequency spectrum is well balanced by penalizing the low-frequency components, leading to the improved expressivity of quantum circuits. The results demonstrate that with minimal parameters, QFGN outperforms the current state-of-the-art (SOTA) models. Despite noise on hardware, the model achieves accuracy comparable to that of SIREN, highlighting the potential applications of quantum machine learning in this field.
• Abstract（参考訳）: 暗黙の神経表現は様々な応用に可能性を示している。 しかし、画像の正確な再構築や画像超解像による明快な細部の提供は依然として困難である。 本稿では,QFGN(Quantum Fourier Gaussian Network)を提案する。 周波数スペクトルは、低周波成分をペナル化することでよく平衡し、量子回路の表現性が向上する。 その結果、QFGNは最小限のパラメータで現在の最先端(SOTA)モデルより優れていることが示された。 ハードウェア上のノイズにもかかわらず、このモデルはSIRENに匹敵する精度を実現し、この分野における量子機械学習の潜在的な応用を強調している。

関連論文リスト

• Noise-resistant adaptive Hamiltonian learning [30.632260870411177]
  データ解析と量子状態シミュレーションのための適応型ハミルトン学習(AHL)モデルを提案し、低効率性などの問題を克服する。 AHLに基づく雑音耐性量子ニューラルネットワーク(RQNN)を開発した。
  論文  参考訳（メタデータ） (2025-01-14T11:12:59Z)
• Enhancing Quantum Diffusion Models with Pairwise Bell State Entanglement [35.436358464279785]
  本稿では、ノイズ中間スケール量子(NISQ)デバイス向けに設計された新しい量子拡散モデルを提案する。 量子絡み合いと重ね合わせを利用して、このアプローチは量子生成学習を前進させる。
  論文  参考訳（メタデータ） (2024-11-24T20:14:57Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Quantum Implicit Neural Representations [4.2216663697289665]
  暗黙の神経表現は、画像や音などの信号を表現するための強力なパラダイムとして登場した。 従来のニューラルネットワークは、信号の高周波成分を正確にモデル化する際の課題に直面している。 本稿では,新しいFNNの量子一般化である量子暗黙表現ネットワーク(QIREN)を提案する。
  論文  参考訳（メタデータ） (2024-06-06T09:04:48Z)
• Precise Image Generation on Current Noisy Quantum Computing Devices [0.0]
  量子アングルジェネレータ(QAG)は、現在のノイズ中間スケール(NISQ)量子デバイス上で正確な画像を生成するために設計された、新しいフル量子機械学習モデルである。 変動量子回路はQAGモデルのコアを形成し、様々な回路アーキテクチャを評価する。 実演では、このモデルは粒子エネルギーを測定するのに必要な高エネルギー物理学において必要不可欠なシミュレーションに使用される。
  論文  参考訳（メタデータ） (2023-07-11T13:36:05Z)
• 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)
• IQGAN: Robust Quantum Generative Adversarial Network for Image Synthesis On NISQ Devices [2.4123561871510275]
  我々は、ノイズ中間量子(NISQ)デバイス上で効率よく実装できるマルチキュービット画像合成フレームワークIQGANを提案する。 そこで我々は,古典的データを量子状態に効果的に埋め込む訓練可能なマルチキュービット量子エンコーダを特徴とするIQGANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-30T14:52:08Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• 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)
• 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)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。