論文の概要: A Survey of Quantum Generative Adversarial Networks: Architectures, Use Cases, and Real-World Implementations

• arxiv url: http://arxiv.org/abs/2506.18002v1
• Date: Sun, 22 Jun 2025 11:45:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.691416
• Title: A Survey of Quantum Generative Adversarial Networks: Architectures, Use Cases, and Real-World Implementations
• Title（参考訳）: 量子生成敵ネットワークに関する調査:アーキテクチャ、ユースケース、実世界の実装
• Authors: Mujahidul Islam, Serkan Turkeli, Fatih Ozaydin,
• Abstract要約: QGAN(Quantum Generative Adversarial Networks)は、量子機械学習において有望な方向として登場した。 本調査では,QGANモデルの概要を概説し,理論的提案から実験的実現への重要な進展を概説する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Generative Adversarial Networks (QGANs) have emerged as a promising direction in quantum machine learning, combining the strengths of quantum computing and adversarial training to enable efficient and expressive generative modeling. This survey provides a comprehensive overview of QGAN models, highlighting key advances from theoretical proposals to experimental realizations. We categorize existing QGAN architectures based on their quantum-classical hybrid structures and summarize their applications in fields such as image synthesis, medical data generation, channel prediction, software defect detection, and educational tools. Special attention is given to the integration of QGANs with domain-specific techniques, such as optimization heuristics, Wasserstein distance, variational circuits, and large language models. We also review experimental demonstrations on photonic and ion-trap quantum processors, assessing their feasibility under current hardware limitations. This survey aims to guide future research by outlining existing trends, challenges, and opportunities in developing QGANs for practical quantum advantage.
• Abstract（参考訳）: QGAN(Quantum Generative Adversarial Networks)は、量子機械学習において有望な方向性として現れ、量子コンピューティングの強みと敵のトレーニングを組み合わせて、効率的で表現力のある生成モデリングを実現している。 本調査では,QGANモデルの概要を概説し,理論的提案から実験的実現への重要な進展を概説する。 既存のQGANアーキテクチャをその量子古典的ハイブリッド構造に基づいて分類し、画像合成、医療データ生成、チャネル予測、ソフトウェア欠陥検出、教育ツールなどの分野におけるそれらの応用を要約する。 最適化ヒューリスティックス、ワッサーシュタイン距離、変分回路、大規模言語モデルなど、QGANとドメイン固有の技術の統合に特に注意が払われる。 我々はまた、フォトニックおよびイオントラップ量子プロセッサの実験的なデモンストレーションをレビューし、その実現可能性について、現在のハードウェアの制約下で評価する。 本調査は,QGANを実用的量子的優位性のために開発する上での現在の傾向,課題,機会を概説することによって,今後の研究を導くことを目的としている。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Comprehensive Survey of QML: From Data Analysis to Algorithmic Advancements [2.5686697584463025]
  量子機械学習(Quantum Machine Learning)は、量子コンピューティングと機械学習の交差点におけるパラダイムシフトである。 この分野は、ハードウェアの制約、ノイズ、量子ビットコヒーレンス(英語版)の制限など、重大な課題に直面している。 この調査は、実用的な実世界のアプリケーションに向けて量子機械学習を進めるための基盤となるリソースを提供することを目的としている。
  論文  参考訳（メタデータ） (2025-01-16T13:25:49Z)
• Quantum Bayesian Networks for Machine Learning in Oil-Spill Detection [3.9554540293311864]
  量子機械学習は、環境モニタリング、医療診断、金融モデリングといった様々な応用において有望であることを示している。 重要な課題のひとつは、希少なイベントがスキューデータ分散によって誤って分類される、不均衡なデータセットを扱うことだ。 本稿では,QBNを用いて衛星由来の不均衡データセットを分類し,非スパイル領域とオイルスパイル'を区別するベイズ的手法を提案する。
  論文  参考訳（メタデータ） (2024-12-24T15:44:26Z)
• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• Quantum Generative Adversarial Networks: Bridging Classical and Quantum Realms [0.6827423171182153]
  GAN(Generative Adversarial Networks)領域における古典的および量子コンピューティングパラダイムの相乗的融合について検討する。 我々の目的は、量子計算要素を従来のGANアーキテクチャにシームレスに統合し、トレーニングプロセスの強化のために新しい経路を開放することである。 この研究は量子化機械学習の最前線に位置し、量子システムの計算能力を活用するための重要な一歩である。
  論文  参考訳（メタデータ） (2023-12-15T16:51:36Z)
• Unleashing the Potential of LLMs for Quantum Computing: A Study in Quantum Architecture Design [24.458383407274518]
  大言語モデル(LLM)は、会話型AIの開発に大きく貢献する。 本稿では,以下の問題に対処する。 現在の生成事前学習変換器(GPT)は、ノイズの多い中間スケール量子技術の発展にどのような機会をもたらすのか?
  論文  参考訳（メタデータ） (2023-07-17T01:39:38Z)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• 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)
• 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。