論文の概要: Partitioned Hybrid Quantum Fourier Neural Operators for Scientific Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2507.08746v1
• Date: Fri, 11 Jul 2025 16:56:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-14 18:03:54.437738
• Title: Partitioned Hybrid Quantum Fourier Neural Operators for Scientific Quantum Machine Learning
• Title（参考訳）: 科学量子機械学習のための分割型ハイブリッド量子フーリエニューラル演算子
• Authors: Paolo Marcandelli, Yuanchun He, Stefano Mariani, Martina Siena, Stefano Markidis,
• Abstract要約: PHQFNOは量子フーリエニューラル演算子を古典的および量子的リソースに分割する。 PHQFNOは古典的なFNOの精度を回復する。 圧縮不能なNavier-Stokesでは、PHQFNOは従来のNavier-Stokesよりも精度が高い。
• 参考スコア（独自算出の注目度）: 2.2174431958553824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the Partitioned Hybrid Quantum Fourier Neural Operator (PHQFNO), a generalization of the Quantum Fourier Neural Operator (QFNO) for scientific machine learning. PHQFNO partitions the Fourier operator computation across classical and quantum resources, enabling tunable quantum-classical hybridization and distributed execution across quantum and classical devices. The method extends QFNOs to higher dimensions and incorporates a message-passing framework to distribute data across different partitions. Input data are encoded into quantum states using unary encoding, and quantum circuit parameters are optimized using a variational scheme. We implement PHQFNO using PennyLane with PyTorch integration and evaluate it on Burgers' equation, incompressible and compressible Navier-Stokes equations. We show that PHQFNO recovers classical FNO accuracy. On incompressible Navier-Stokes, PHQFNO achieves higher accuracy than its classical counterparts. Finally, we perform a sensitivity analysis under input noise, confirming improved stability of PHQFNO over classical baselines.
• Abstract（参考訳）: 本稿では、科学機械学習のための量子フーリエニューラル演算子(QFNO)の一般化である分割型ハイブリッド量子フーリエニューラル演算子(PHQFNO)を紹介する。 PHQFNOは、古典的および量子的リソース間でフーリエ演算子計算を分割し、可変量子-古典的ハイブリダイゼーションと量子的および古典的デバイス間の分散実行を可能にする。 この方法はQFNOを高次元に拡張し、異なるパーティションに分散するメッセージパッシングフレームワークを組み込む。 入力データは一意符号化を用いて量子状態に符号化され、量子回路パラメータは変分スキームを用いて最適化される。 我々はPennyLaneとPyTorchの統合を用いてPHQFNOを実装し、バーガースの方程式、圧縮不可能で圧縮不能なNavier-Stokes方程式で評価する。 PHQFNOは古典的なFNOの精度を回復する。 圧縮不能なNavier-Stokesでは、PHQFNOは従来のNavier-Stokesよりも精度が高い。 最後に、入力雑音下で感度解析を行い、古典的ベースライン上でのPHQFNOの安定性の向上を確認する。

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)
• Expressivity Limits of Quantum Reservoir Computing [0.0]
  パラメタライズド量子回路量子機械学習(PQC-QML)への公式な接続を確立する。 古典的データから生成可能な非線形関数の数は、入力符号化ゲートの数によって線形に制限されていることを解析的に証明し、数値的に相関する。 我々の結果は指数ヒルベルト空間のスケーリングがQRCにおける対応する計算上の優位性を与えるという一般的な仮定に挑戦する。
  論文  参考訳（メタデータ） (2025-01-26T13:43:03Z)
• Quantum Homogenization as a Quantum Steady State Protocol on NISQ Hardware [42.52549987351643]
  量子ホモジェナイゼーション(quantum homogenization)は、貯水池に基づく量子状態近似プロトコルである。 我々は、標準的な量子同化プロトコルを、動的に等価(mathttSWAP$)$alpha$の定式化に拡張する。 提案プロトコルは,コード部分空間の修正が可能な完全正のトレース保存(CPTP)マップを生成する。
  論文  参考訳（メタデータ） (2024-12-19T05:50:54Z)
• Efficient charge-preserving excited state preparation with variational quantum algorithms [33.03471460050495]
  本稿では、対称性と対応する保存電荷をVQDフレームワークに組み込むために設計された電荷保存型VQD(CPVQD)アルゴリズムを紹介する。 その結果、高エネルギー物理学、核物理学、量子化学への応用が示された。
  論文  参考訳（メタデータ） (2024-10-18T10:30:14Z)
• Fourier PINNs: From Strong Boundary Conditions to Adaptive Fourier Bases [22.689531776611084]
  我々は,Dirichlet BCs に対する PINN の強い境界条件 (BC) について検討した。 強いBC PINNは、ターゲット溶液の高周波成分の振幅をよりよく学習できることがわかった。 本稿では,Fourier PINN を提案する。Fourier PINN は単純で汎用的で強力な手法で,Purier PINN を事前定義された高密度なフーリエベースで拡張する。
  論文  参考訳（メタデータ） (2024-10-04T15:10:22Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Quantum Computation Using Large Spin Qudits [0.0]
  Dissertationは、大きなスピンにエンコードされたクォーディットを使用して量子計算を探索する。 まず、量子量子計算のための高忠実な普遍ゲートセットの生成について検討する。 次に、フォールトトレラント量子計算のための大きなスピン量子ビットの量子ビットを符号化するスキームを解析する。
  論文  参考訳（メタデータ） (2024-05-13T16:19:31Z)
• Quantum-Hybrid Stereo Matching With Nonlinear Regularization and Spatial Pyramids [24.52691002678303]
  本稿では, 非線形正則化器とピラミッドとのステレオマッチングの新しい定式化について述べる。 我々のアプローチはハイブリッド(すなわち量子古典)であり、現代のD-Wave量子アニールと互換性がある。 我々は、異なる解法を用いる場合の量子ステレオマッチングの2%と22.5%において、従来の技術よりも改良されたルート平均2乗精度を実現する。
  論文  参考訳（メタデータ） (2023-12-26T16:53:21Z)
• Quantum Fourier Networks for Solving Parametric PDEs [4.409836695738518]
  近年、FNO(Fourier Neural Operator)と呼ばれるディープラーニングアーキテクチャは、入力としての初期条件に対して与えられたPDEファミリーの解を学習できることが判明した。 本稿では,古典的FNOにインスパイアされた量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-27T12:21:02Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Quantum Augmented Dual Attack [8.134961550216618]
  量子ランダムアクセス(QRACM)を用いたLearning with Errors(LWE)問題に対する2重格子攻撃の量子拡張変種を提案する。 本研究の結果を文献から格子パラメータに適用すると,QRACMへのユニットコストアクセスを前提として,我々のアルゴリズムが従来のアルゴリズムより優れていることが分かる。
  論文  参考訳（メタデータ） (2022-05-27T13:54:31Z)
• Quantum computing for classical problems: Variational Quantum Eigensolver for activated processes [0.0]
  本稿では,Fokker-Planck-Smoluchowski固有値問題を解くための変分量子固有解法の開発と実装について報告する。 量子化学問題に対処するために一般的に採用されるそのようなアルゴリズムは、量子コンピュータの新しい応用への道を開く古典的なシステムに効果的に適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-27T18:16:16Z)
• Probing the Universality of Topological Defect Formation in a Quantum Annealer: Kibble-Zurek Mechanism and Beyond [46.39654665163597]
  一次元横フィールドイジングモデルによるトポロジカル欠陥生成の実験的検討について報告する。 位相フリップ誤差を伴う開系量子力学のKZMにより量子シミュレータの結果を実際に説明できることが判明した。 これは、環境からの孤立を仮定する一般化KZM理論の理論的予測が、その元のスコープを越えてオープンシステムに適用されることを意味する。
  論文  参考訳（メタデータ） (2020-01-31T02:55:35Z)

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。