論文の概要: HQSI: Hybrid Quantum Swarm Intelligence -- A Case Study of Online Certificate Status Protocol Request Flow Prediction
- arxiv url: http://arxiv.org/abs/2505.15823v2
- Date: Fri, 23 May 2025 00:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 15:51:03.011087
- Title: HQSI: Hybrid Quantum Swarm Intelligence -- A Case Study of Online Certificate Status Protocol Request Flow Prediction
- Title（参考訳）: HQSI: Hybrid Quantum Swarm Intelligence -- オンライン認証プロトコル要求フロー予測のケーススタディ
- Authors: Abel C. H. Chen,
- Abstract要約: Hybrid Quantum Swarm Intelligence (HQSI)は、前方伝播ニューラルネットワークとして量子ニューラルネットワーク(QNN)モデルを構築する。
HQSIは、最先端の量子最適化アルゴリズムに対するエラーを50%以上削減する。
- 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: As quantum computing technology continues to advance, various sectors, including industry, government, academia, and research, have increasingly focused on its future applications. With the integration of artificial intelligence techniques, multiple Quantum Neural Network (QNN) models have been proposed, including quantum convolutional neural networks, quantum long short-term memory networks, and quantum generative adversarial networks. Furthermore, optimization methods such as constrained optimization by linear approximation and simultaneous perturbation stochastic approximation have been explored. Therefore, this study proposes Hybrid Quantum Swarm Intelligence (HQSI), which constructs a QNN model as a forward propagation neural network. After measuring quantum states and obtaining prediction results, a classical computer-based swarm intelligence algorithm is employed for weight optimization. The training process iterates between quantum and classical computing environments. During the experimental phase, the proposed HQSI method is evaluated using an online certificate status protocol request traffic prediction task. Comparative analysis against state-of-the-art quantum optimization algorithms demonstrates that the proposed HQSI approach achieves more than a 50% reduction in error.
- Abstract（参考訳）: 量子コンピューティング技術が進歩を続けるにつれて、産業、政府、アカデミア、研究を含む様々な分野が、その将来的な応用に重点を置いている。
人工知能技術の統合により、量子畳み込みニューラルネットワーク、量子長短期記憶ネットワーク、量子生成敵ネットワークなど、複数の量子ニューラルネットワーク(QNN)モデルが提案されている。
さらに,線形近似と同時摂動確率近似による制約最適化などの最適化手法も検討されている。
そこで本研究では,前進伝搬ニューラルネットワークとしてQNNモデルを構築するHybrid Quantum Swarm Intelligence (HQSI)を提案する。
量子状態を測定し、予測結果を得た後、古典的なコンピュータベースのSwarmインテリジェンスアルゴリズムが重み付け最適化に使用される。
トレーニングプロセスは、量子コンピューティング環境と古典コンピューティング環境を反復する。
実験期間中に,オンライン認証ステータスプロトコルの要求トラフィック予測タスクを用いてHQSI法の評価を行った。
最先端の量子最適化アルゴリズムとの比較分析は、提案したHQSIアプローチが50%以上の誤差を減少させることを示した。
関連論文リスト
- Differentiable Quantum Architecture Search in Quantum-Enhanced Neural Network Parameter Generation [4.358861563008207]
量子ニューラルネットワーク(QNN)は、経験的にも理論的にも有望であることを示している。
ハードウェアの欠陥と量子デバイスへの限られたアクセスは、実用的な課題となる。
微分可能最適化を用いた自動解法を提案する。
論文 参考訳（メタデータ） (2025-05-13T19:01:08Z) - Variational quantum-neural hybrid imaginary time evolution [0.0]
変分量子ニューラルハイブリッドITT法(VQNHITE)を提案する。
本稿では,ニューラルネットワークとパラメタライズド量子回路を組み合わせることで,ITEを正確に推定する。
我々は,VQNHITEの性能をVITEと比較して数値シミュレーションにより評価した。
論文 参考訳（メタデータ） (2025-03-28T16:19:12Z) - Training Hybrid Deep Quantum Neural Network for Reinforcement Learning Efficiently [2.7812018782449073]
量子機械学習(QML)は、最近、新しい学際研究の方向性として登場した。
ノイズの多い中間スケール量子コンピュータと互換性のあるハイブリッドQMLモデルに関する最近の研究は、性能の向上を示唆している。
課題を克服し、PQCブロックによる効率的なバッチ最適化を示すスケーラブルなQMLアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-03-12T07:12:02Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization
in Future Networks [54.03701670739067]
本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。
提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-09-16T02:44:52Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - 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) - Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。
提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
論文 参考訳（メタデータ） (2022-05-05T03:49:19Z) - Quantum Robustness Verification: A Hybrid Quantum-Classical Neural
Network Certification Algorithm [1.439946676159516]
本研究では、堅牢性多変数混合整数プログラム(MIP)の解法を含むReLUネットワークの検証について検討する。
この問題を軽減するために、ニューラルネットワーク検証にQCを用い、証明可能な証明書を計算するためのハイブリッド量子プロシージャを導入することを提案する。
シミュレーション環境では,我々の証明は健全であり,問題の近似に必要な最小量子ビット数に制限を与える。
論文 参考訳（メタデータ） (2022-05-02T13:23:56Z)
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。