論文の概要: Physics-inspired Generative AI models via real hardware-based noisy quantum diffusion

• arxiv url: http://arxiv.org/abs/2505.22193v1
• Date: Wed, 28 May 2025 10:11:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.545032
• Title: Physics-inspired Generative AI models via real hardware-based noisy quantum diffusion
• Title（参考訳）: 実ハードウェアに基づく雑音量子拡散による物理インスピレーションAIモデル
• Authors: Marco Parigi, Stefano Martina, Francesco Aldo Venturelli, Filippo Caruso,
• Abstract要約: 量子拡散モデル(Quantum Diffusion Models、QDM)は、ジェネレーティブAIにおける新たなパラダイムであり、量子特性を使用して古典的な性能を向上させることを目的としている。 本稿では,物理に着想を得た2つのプロトコルを提案し,実装する。 第一に、量子ウォークの形式主義を用いて、前方過程における量子力学と古典力学の特定の相互作用は、完全に古典力学よりも低いFr'eche't Inception Distance (FID) を持つMNIST画像の集合を生成する統計的により堅牢なモデルを生成することを示した。 第2のアプローチでは、実IBMの本質的な雑音を利用して画像を生成するアルゴリズムを実現する。
• 参考スコア（独自算出の注目度）: 1.4999444543328293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Diffusion Models (QDMs) are an emerging paradigm in Generative AI that aims to use quantum properties to improve the performances of their classical counterparts. However, existing algorithms are not easily scalable due to the limitations of near-term quantum devices. Following our previous work on QDMs, here we propose and implement two physics-inspired protocols. In the first, we use the formalism of quantum stochastic walks, showing that a specific interplay of quantum and classical dynamics in the forward process produces statistically more robust models generating sets of MNIST images with lower Fr\'echet Inception Distance (FID) than using totally classical dynamics. In the second approach, we realize an algorithm to generate images by exploiting the intrinsic noise of real IBM quantum hardware with only four qubits. Our work could be a starting point to pave the way for new scenarios for large-scale algorithms in quantum Generative AI, where quantum noise is neither mitigated nor corrected, but instead exploited as a useful resource.
• Abstract（参考訳）: 量子拡散モデル(Quantum Diffusion Models、QDM)は、ジェネレーティブAIにおける新たなパラダイムであり、量子特性を使用して古典的な性能を向上させることを目的としている。 しかし、既存のアルゴリズムは、短期量子デバイスの限界のため、容易に拡張できない。 本稿では、QDMに関するこれまでの研究に続いて、2つの物理に着想を得たプロトコルを提案し、実装する。 第一に、量子確率ウォークの形式主義を用いて、前方過程における量子力学と古典力学の特定の相互作用は、完全に古典力学よりも低いFr'echet Inception Distance (FID) を持つMNIST画像の集合を生成する統計的により堅牢なモデルを生成することを示した。 第2のアプローチでは、4量子ビットしか持たない実IBM量子ハードウェアの本質的なノイズを利用して画像を生成するアルゴリズムを実現する。 私たちの研究は、量子生成AIにおける大規模アルゴリズムの新しいシナリオを開拓するための出発点となるかもしれません。

関連論文リスト

• An Efficient Classical Algorithm for Simulating Short Time 2D Quantum Dynamics [2.891413712995642]
  本稿では,2次元量子システムにおける短時間のダイナミクスをシミュレーションする,効率的な古典的アルゴリズムを提案する。 この結果から, 短時間2次元量子力学の複雑さに固有の単純さが明らかとなった。 この研究は、古典計算と量子計算の境界についての理解を深める。
  論文  参考訳（メタデータ） (2024-09-06T09:59:12Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• 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)
• Expressive Quantum Supervised Machine Learning using Kerr-nonlinear Parametric Oscillators [0.0]
  変分量子アルゴリズム(VQA)を用いた量子機械学習は、ノイズのある中間スケール量子(NISQ)時代の実用的なアルゴリズムとして積極的に研究されている。 近年の研究では、古典的なデータを量子回路に繰り返しエンコードするデータ再アップロードが、表現力のある量子機械学習モデルを得るために必要であることが示されている。 我々は、Kerrnon Parametric Hilberts (KPO) を別の有望な量子コンピューティングデバイスとして用いて量子機械学習を提案する。
  論文  参考訳（メタデータ） (2023-05-01T07:01:45Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。