論文の概要: QuKAN: A Quantum Circuit Born Machine approach to Quantum Kolmogorov Arnold Networks

• arxiv url: http://arxiv.org/abs/2506.22340v1
• Date: Fri, 27 Jun 2025 15:51:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.271832
• Title: QuKAN: A Quantum Circuit Born Machine approach to Quantum Kolmogorov Arnold Networks
• Title（参考訳）: QuKAN: Quantum Circuit Born Machine approach to Quantum Kolmogorov Arnold Networks
• Authors: Yannick Werner, Akash Malemath, Mengxi Liu, Vitor Fortes Rey, Nikolaos Palaiodimopoulos, Paul Lukowicz, Maximilian Kiefer-Emmanouilidis,
• Abstract要約: Kolmogorov Arnold Networks (KAN) は、より少ない神経細胞で複雑な機能を表現できる有望な能力を示した。 量子回路ボルニングマシン(QCBM)を用いたハイブリッドおよび完全量子形式におけるこれらのkanアーキテクチャの実装について述べる。 提案するQuantum Kan(QuKAN)アーキテクチャの実現可能性,解釈可能性,性能について述べる。
• 参考スコア（独自算出の注目度）: 2.8192469953126262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kolmogorov Arnold Networks (KANs), built upon the Kolmogorov Arnold representation theorem (KAR), have demonstrated promising capabilities in expressing complex functions with fewer neurons. This is achieved by implementing learnable parameters on the edges instead of on the nodes, unlike traditional networks such as Multi-Layer Perceptrons (MLPs). However, KANs potential in quantum machine learning has not yet been well explored. In this work, we present an implementation of these KAN architectures in both hybrid and fully quantum forms using a Quantum Circuit Born Machine (QCBM). We adapt the KAN transfer using pre-trained residual functions, thereby exploiting the representational power of parametrized quantum circuits. In the hybrid model we combine classical KAN components with quantum subroutines, while the fully quantum version the entire architecture of the residual function is translated to a quantum model. We demonstrate the feasibility, interpretability and performance of the proposed Quantum KAN (QuKAN) architecture.
• Abstract（参考訳）: Kolmogorov Arnold Networks (KANs) はコルモゴロフ・アーノルドの表現定理 (KAR) に基づいて構築され、より少ないニューロンで複雑な関数を表現する有望な能力を示した。 これは、Multi-Layer Perceptrons (MLP)のような従来のネットワークとは異なり、ノードではなくエッジに学習可能なパラメータを実装することで実現されている。 しかし、量子機械学習におけるkanの可能性はまだ十分に研究されていない。 本稿では,量子回路ボーンマシン (QCBM) を用いたハイブリッド型および完全量子型の両方の Kan アーキテクチャの実装について述べる。 我々は、事前訓練された残差関数を用いてカン変換を適用し、パラメタライズド量子回路の表現力を利用する。 ハイブリッドモデルでは古典的カン成分と量子サブルーチンを結合し、完全量子バージョンでは残関数のアーキテクチャ全体が量子モデルに変換される。 提案するQuantum Kan(QuKAN)アーキテクチャの実現可能性,解釈可能性,性能について述べる。

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)
• Enhanced Variational Quantum Kolmogorov-Arnold Network [0.0]
  Kolmogorov-Arnold Network (KAN) は、ニューロモルフィックコンピューティングにおいてその効率が認められた新しい多層ネットワークモデルである。 Kanはブロックエンコーディングと量子信号処理を使って量子コンピュータに実装できるが、これらの方法はフォールトトレラントな量子デバイスを必要とする。 本稿では,この制限を克服するための拡張変分量子コルモゴロフ・アルノルドネットワーク(EVQKAN)を提案する。
  論文  参考訳（メタデータ） (2025-03-28T16:47:42Z)
• QKAN: Quantum Kolmogorov-Arnold Networks [0.6597195879147557]
  Kolmogorov-Arnold Networks (KAN)と呼ばれる新しいニューラルネットワークアーキテクチャが登場し、コルモゴロフ-Arnold表現定理の構成構造に着想を得た。 我々のQKANは、量子特異値変換を含む強力な量子線型代数ツールを利用して、ネットワークの端にパラメータ化活性化関数を適用する。 QKANはブロックエンコーディングに基づいており、本質的に直接量子入力に適している。
  論文  参考訳（メタデータ） (2024-10-06T10:11:57Z)
• Variational Quantum Circuits Enhanced Generative Adversarial Network [5.209320054725053]
  我々は、GAN(QC-GAN)を改善するためのハイブリッド量子古典アーキテクチャを提案する。 QC-GANは1層ニューラルネットワークと共に量子変動回路で構成され、識別器は従来のニューラルネットワークで構成されている。 また、QC-GANが16ドル以上の画像を生成することのできない代替量子GAN、すなわちpathGANよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-02-02T03:59:35Z)
• Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
  本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。 QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す 混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
  論文  参考訳（メタデータ） (2024-01-13T10:56:34Z)
• 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)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• 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)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。