論文の概要: Quantum Machine Learning for Identifying Transient Events in X-ray Light Curves

• arxiv url: http://arxiv.org/abs/2507.05589v1
• Date: Tue, 08 Jul 2025 01:54:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.480476
• Title: Quantum Machine Learning for Identifying Transient Events in X-ray Light Curves
• Title（参考訳）: X線光曲線における過渡事象同定のための量子機械学習
• Authors: Taiki Kawamuro, Shinya Yamada, Shigehiro Nagataki, Shunji Matsuura, Yusuke Sakai, Satoshi Yamada,
• Abstract要約: 量子機械学習(QML)の新たな手法が,X線光曲線における異常事象を過渡事象として識別できるかどうかを検討する。 私たちが採用しているアーキテクチャは、Long-Short term memory(LSTM)の量子バージョンであり、いくつかの完全に接続されたレイヤを量子回路に置き換える。 0.2--12keV帯の40154光曲線のうち, 異常, 過渡事象候補を有する113光曲線を検出する。
• 参考スコア（独自算出の注目度）: 1.2177324060259864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate whether a novel method of quantum machine learning (QML) can identify anomalous events in X-ray light curves as transient events and apply it to detect such events from the XMM-Newton 4XMM-DR14 catalog. The architecture we adopt is a quantum version of the long-short term memory (LSTM) where some fully connected layers are replaced with quantum circuits. The LSTM, making predictions based on preceding data, allows identification of anomalies by comparing predicted and actual time-series data. The necessary training data are generated by simulating active galactic nucleus-like light curves as the species would be a significant population in the XMM-Newton catalog. Additional anomaly data used to assess trained quantum LSTM (QLSTM) models are produced by adding flares like quasi-periodic eruptions to the training data. Comparing various aspects of the performances of the quantum and classical LSTM models, we find that QLSTM models incorporating quantum superposition and entanglement slightly outperform the classical LSTM (CLSTM) model in expressive power, accuracy, and true-positive rate. The highest-performance QLSTM model is then used to identify transient events in 4XMM-DR14. Out of 40154 light curves in the 0.2--12 keV band, we detect 113 light curves with anomalies, or transient event candidates. This number is $\approx$ 1.3 times that of anomalies detectable with the CLSTM model. By utilizing SIMBAD and four wide-field survey catalogs made by ROSAT, SkyMapper, Pan-STARRS, and WISE, no possible counterparts are found for 12 detected anomalies.
• Abstract（参考訳）: 量子機械学習(QML)の新たな手法が,X線光曲線における異常事象を過渡事象として同定し,XMM-Newton 4XMM-DR14カタログからそのような事象を検出できるかどうかを検討する。 私たちが採用しているアーキテクチャは、Long-Short term memory(LSTM)の量子バージョンであり、いくつかの完全に接続されたレイヤを量子回路に置き換える。 LSTMは、先行データに基づいて予測を行い、予測された時系列データと実際の時系列データを比較して異常を識別する。 必要なトレーニングデータは、活動銀河核のような光曲線をシミュレートすることで生成される。 トレーニングデータに準周期噴火のようなフレアを加えることで、トレーニングされた量子LSTM(QLSTM)モデルを評価するために使用される追加の異常データを生成する。 量子スーパーポジションと絡み合いを取り入れたQLSTMモデルは、量子LSTM(CLSTM)モデルを表現力、精度、真正の速度でわずかに上回っている。 最高性能のQLSTMモデルは、4XMM-DR14における過渡事象を特定するために使用される。 0.2--12keV帯の40154光度曲線のうち、異常のある113光度曲線、過渡事象候補を検出する。 この値は、CLSTMモデルで検出可能な異常の1.3倍の$\approx$である。 SIMBADとROSAT、SkyMapper、Pan-STARRS、WISEの4つの広域サーベイカタログを利用することで、検出された12の異常に対して、対応可能なものは見つからない。

関連論文リスト

• Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection [0.1398098625978622]
  本稿では,不正検出のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 重畳や絡み合いなどの量子現象を活用することで、我々のモデルはシーケンシャルトランザクションデータの特徴表現を強化する。 その結果,従来のLSTMベースラインと比較して,精度,精度,リコール,F1スコアの競争力の向上が示された。
  論文  参考訳（メタデータ） (2025-04-30T19:09:12Z)
• Quantum Kernel Learning for Small Dataset Modeling in Semiconductor Fabrication: Application to Ohmic Contact [18.42230728589117]
  我々は、浅いポーリZ特徴写像とトレーニング可能な量子カーネルアライメント層を組み合わせた量子カーネルアライメント回帰器(QKAR)を開発した。 QKARは、古典的なベースラインを複数のメトリクスで一貫して上回る。 これらの結果は、注意深く構築されたQMLモデルが、データ拘束型半導体モデリングにおいて予測上の利点をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2024-09-17T00:44:49Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
  量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。 関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。 量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-21T21:40:47Z)
• Enhancing variational Monte Carlo using a programmable quantum simulator [0.3078264203938486]
  本研究では, 量子物質のシリカシミュレーションにおいて, 射影測定データを用いることが可能であることを示す。 我々はデータ強化型変分モンテカルロを用いて、リカレントニューラルネットワークに基づいて強力な自己回帰波動関数アンゼを訓練する。 我々の研究は、量子多体系の大規模シミュレーションのためのハイブリッド量子-古典的アプローチの可能性を強調している。
  論文  参考訳（メタデータ） (2023-08-04T18:08:49Z)
• Solomon equations for qubit and two-level systems: Insights into non-Poissonian quantum jumps [41.94295877935867]
  離散2レベルシステム(TLS)環境に結合したキュービットの結合緩和度を測定し,モデル化する。 もしTLSがクォービットよりもずっと長寿命であれば、非指数緩和と非ポアソン量子ジャンプが観察できる。
  論文  参考訳（メタデータ） (2023-07-13T16:51:29Z)
• Hybrid quantum learning with data re-uploading on a small-scale superconducting quantum simulator [29.81784450632149]
  スーパーバイザード量子学習(Supervised quantum learning)は、変分量子アルゴリズムと古典的な機械学習の間の創発的な多分野のドメインブリッジである。 簡単なバイナリとマルチラベルのタスクで量子回路をトレーニングし、95%の分類精度を達成し、手書き十進数認識時に90%の精度でデータを再アップロードするハイブリッドモデルを構築した。
  論文  参考訳（メタデータ） (2023-05-04T16:03:32Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
  長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。 本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
  論文  参考訳（メタデータ） (2022-08-28T17:50:19Z)
• The effect of phased recurrent units in the classification of multiple catalogs of astronomical lightcurves [0.0]
  本研究では, LSTM と LSTM をベースとしたアーキテクチャが天文学的な光曲線の分類に有効であることを示す。 その結果,LSTMは6/7データセット上でPSSTMより優れていた。
  論文  参考訳（メタデータ） (2021-06-07T16:01:38Z)
• Quantum Long Short-Term Memory [3.675884635364471]
  LSTM(Long Short-term memory)は、シーケンスおよび時間依存性データモデリングのためのリカレントニューラルネットワーク(RNN)である。 本稿では,QLSTMを疑似化したLSTMのハイブリッド量子古典モデルを提案する。 我々の研究は、ノイズの多い中間スケール量子(NISQ)デバイス上でのシーケンスモデリングのための機械学習アルゴリズムの実装への道を開いた。
  論文  参考訳（メタデータ） (2020-09-03T16:41:09Z)

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。