論文の概要: Quantum-Classical Hybrid Quantized Neural Network

• arxiv url: http://arxiv.org/abs/2506.18240v2
• Date: Wed, 25 Jun 2025 01:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 12:28:29.364298
• Title: Quantum-Classical Hybrid Quantized Neural Network
• Title（参考訳）: 量子古典ハイブリッド量子化ニューラルネットワーク
• Authors: Wenxin Li, Chuan Wang, Hongdong Zhu, Qi Gao, Yin Ma, Hai Wei, Kai Wen,
• Abstract要約: 本稿では、任意のアクティベーションと損失関数の使用を可能にする、量子化されたニューラルネットワークトレーニングのための新しい擬似バイナリ最適化(QBO)モデルを提案する。 我々はQCBO問題を直接解くために量子コンピューティングを利用するQCGD(Quantum Gradient Conditional Descent)アルゴリズムを用いる。 コヒーレントイジングマシン(CIM)を用いた実験結果は、Fashion MNIST分類タスクにおいて94.95%の精度を示し、1.1ビットの精度しか示さない。
• 参考スコア（独自算出の注目度）: 7.759760132559044
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Here in this work, we present a novel Quadratic Binary Optimization (QBO) model for quantized neural network training, enabling the use of arbitrary activation and loss functions through spline interpolation. We introduce Forward Interval Propagation (FIP), a method designed to tackle the challenges of non-linearity and the multi-layer composite structure in neural networks by discretizing activation functions into linear subintervals. This approach preserves the universal approximation properties of neural networks while allowing complex nonlinear functions to be optimized using quantum computers, thus broadening their applicability in artificial intelligence. We provide theoretical upper bounds on the approximation error and the number of Ising spins required, by deriving the sample complexity of the empirical risk minimization problem, from an optimization perspective. A significant challenge in solving the associated Quadratic Constrained Binary Optimization (QCBO) model on a large scale is the presence of numerous constraints. When employing the penalty method to handle these constraints, tuning a large number of penalty coefficients becomes a critical hyperparameter optimization problem, increasing computational complexity and potentially affecting solution quality. To address this, we employ the Quantum Conditional Gradient Descent (QCGD) algorithm, which leverages quantum computing to directly solve the QCBO problem. We prove the convergence of QCGD under a quantum oracle with randomness and bounded variance in objective value, as well as under limited precision constraints in the coefficient matrix. Additionally, we provide an upper bound on the Time-To-Solution for the QCBO solving process. Experimental results using a coherent Ising machine (CIM) demonstrate a 94.95% accuracy on the Fashion MNIST classification task, with only 1.1-bit precision.
• Abstract（参考訳）: 本稿では、量子化されたニューラルネットワークトレーニングのための新しい2値最適化(QBO)モデルを提案し、スプライン補間による任意の活性化と損失関数の使用を可能にする。 本稿では, ニューラルネットワークにおける非線形性や多層複合構造の課題に, アクティベーション関数を線形サブインターバルに分解することで対処する手法であるフォワード・インターバル・プロパゲーション(FIP)を紹介する。 このアプローチは、複雑な非線形関数を量子コンピュータで最適化し、ニューラルネットワークの普遍近似特性を保ち、人工知能におけるそれらの適用性を広げる。 経験的リスク最小化問題のサンプル複雑性を最適化の観点から導き,近似誤差とIsingスピン数に関する理論的上限を与える。 関連する二次制約バイナリ最適化(QCBO)モデルを大規模に解く上で重要な課題は、多くの制約が存在することである。 これらの制約に対処するためにペナルティ法を用いる場合、大量のペナルティ係数をチューニングすることは、計算複雑性を増大させ、潜在的に解の質に影響を及ぼす重要なハイパーパラメータ最適化問題となる。 これを解決するために、量子計算を利用してQCBO問題を解く量子条件勾配 Descent (QCGD)アルゴリズムを用いる。 量子オラクルにおけるQCGDの収束性は、目的値のランダム性と有界な分散、および係数行列の限定的精度制約の下で証明する。 さらに、QCBO解決プロセスの時間と解の上限も提供する。 コヒーレントイジングマシン(CIM)を用いた実験結果は、Fashion MNIST分類タスクにおいて94.95%の精度を示し、1.1ビットの精度しか示さない。

関連論文リスト

• Is Quantum Optimization Ready? An Effort Towards Neural Network Compression using Adiabatic Quantum Computing [10.433199988716973]
  ディープラーニングでは、新しい予測機能をサポートするために、ディープニューラルネットワーク(DNN)が巨大なサイズに達した。 本研究では,畳み込みニューラルネットワークのきめ細かなプルーニングにAQC(adiabatic quantum computing)を採用する可能性について検討する。
  論文  参考訳（メタデータ） (2025-05-22T07:40:23Z)
• i-QLS: Quantum-supported Algorithm for Least Squares Optimization in Non-Linear Regression [4.737806718785056]
  繰り返し量子支援最小二乗(i-QLS)最適化法を提案する。 従来の量子最小二乗アプローチのスケーラビリティと精度の限界を克服する。 実験では、i-QLSにより、短期量子ハードウェアが精度とスケーラビリティを改善して回帰タスクを実行できることを確認した。
  論文  参考訳（メタデータ） (2025-05-05T17:02:35Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Demonstration of Scalability and Accuracy of Variational Quantum Linear Solver for Computational Fluid Dynamics [0.0]
  本稿では,このような大規模方程式系を高精度に解くことを目的とした量子方法論の探索について述べる。 2次元,過渡的,非圧縮的,粘性,非線形結合バーガース方程式をテスト問題とする。 我々の研究結果は、我々の量子法が従来の手法に匹敵する精度で結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-09-05T04:42:24Z)
• Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
  我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。 実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
  論文  参考訳（メタデータ） (2023-11-05T12:03:58Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• 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)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)

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。