論文の概要: QMetric: Benchmarking Quantum Neural Networks Across Circuits, Features, and Training Dimensions

• arxiv url: http://arxiv.org/abs/2506.23765v1
• Date: Mon, 30 Jun 2025 12:12:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.041252
• Title: QMetric: Benchmarking Quantum Neural Networks Across Circuits, Features, and Training Dimensions
• Title（参考訳）: QMetric: 回路,機能,トレーニング次元を越えた量子ニューラルネットワークのベンチマーク
• Authors: Silvie Illésová, Tomasz Rybotycki, Martin Beseda,
• Abstract要約: 本稿では,量子回路の表現性を評価するための解釈可能なメトリクスセットを提供するPythonパッケージQMetricを紹介する。 QMetricは、回路の忠実度、絡み合いエントロピー、バレンプラトーリスク、トレーニング安定性などの重要な側面を定量化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As hybrid quantum-classical models gain traction in machine learning, there is a growing need for tools that assess their effectiveness beyond raw accuracy. We present QMetric, a Python package offering a suite of interpretable metrics to evaluate quantum circuit expressibility, feature representations, and training dynamics. QMetric quantifies key aspects such as circuit fidelity, entanglement entropy, barren plateau risk, and training stability. The package integrates with Qiskit and PyTorch, and is demonstrated via a case study on binary MNIST classification comparing classical and quantum-enhanced models. Code, plots, and a reproducible environment are available on GitLab.
• Abstract（参考訳）: ハイブリッド量子古典モデルが機械学習において勢いを増すにつれ、その効果を生の精度を超えて評価するツールの必要性が高まっている。 量子回路の表現性、特徴表現、およびトレーニングダイナミクスを評価するための解釈可能なメトリクスのスイートを提供するPythonパッケージであるQMetricを提示する。 QMetricは、回路の忠実度、絡み合いエントロピー、バレンプラトーリスク、トレーニング安定性などの重要な側面を定量化する。 このパッケージはQiskitやPyTorchと統合されており、古典的モデルと量子的モデルを比較したバイナリMNIST分類のケーススタディを通じて実証されている。 コード、プロット、再現可能な環境はGitLabで入手できる。

関連論文リスト

• Regression and Classification with Single-Qubit Quantum Neural Networks [0.0]
  我々は、回帰処理と分類処理の両方にリソース効率が高くスケーラブルなSQQNN(Single-Qubit Quantum Neural Network)を使用する。 分類にはTaylor級数にインスパイアされた新しいトレーニング手法を導入する。 SQQNNは、MNISTデータセットを含む回帰および分類タスクにおいて、事実上エラーのない、強力なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-12-12T17:35:36Z)
• Quantum-Train: Rethinking Hybrid Quantum-Classical Machine Learning in the Model Compression Perspective [7.7063925534143705]
  本稿では,量子コンピューティングと機械学習アルゴリズムを統合する新しいアプローチであるQuantum-Train(QT)フレームワークを紹介する。 QTは、古典的なマッピングモデルと並んで量子ニューラルネットワークを利用することで、顕著な結果を得る。
  論文  参考訳（メタデータ） (2024-05-18T14:35:57Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Bosonic Qiskit [1.0295442937414798]
  本稿では,ハイブリッド量子ビット/ボソニックシステムのシミュレーションを可能にするBosonic Qiskitソフトウェアを提案する。 この実装は、新しいハイブリッドシステムのシミュレーション、提案された物理システムの検証、現在構築されている以上のモデリングシステムに使用することができる。
  論文  参考訳（メタデータ） (2022-09-22T16:58:38Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• 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)
• Hybrid quantum-classical classifier based on tensor network and variational quantum circuit [0.0]
  本稿では、量子インスパイアされたテンソルネットワーク(TN)と変分量子回路(VQC)を組み合わせて教師付き学習タスクを行うハイブリッドモデルを提案する。 低結合次元の行列積状態に基づくTNは、MNISTデータセットのバイナリ分類において、VQCの入力のためのデータを圧縮する特徴抽出器としてPCAよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-30T09:43:59Z)

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。