論文の概要: Stochastic Entanglement Configuration for Constructive Entanglement Topologies in Quantum Machine Learning with Application to Cardiac MRI

• arxiv url: http://arxiv.org/abs/2507.11401v1
• Date: Tue, 15 Jul 2025 15:12:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 19:46:03.166791
• Title: Stochastic Entanglement Configuration for Constructive Entanglement Topologies in Quantum Machine Learning with Application to Cardiac MRI
• Title（参考訳）: 量子機械学習における構成的エンタングルメント位相の確率的エンタングルメント構成と心臓MRIへの応用
• Authors: Mehri Mehrnia, Mohammed S. M. Elbaz,
• Abstract要約: 多様な絡み合いトポロジを生成する新しい絡み合い構成法を提案する。 ハイブリッドモデルの性能を高める構成的絡み合い構成の部分空間を同定する。 本手法を用いて, 心疾患分類のためのハイブリッドQMLにおいて, 400のコンフィグレーションが生成され, 評価された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient entanglement strategies are essential for advancing variational quantum circuits (VQCs) for quantum machine learning (QML). However, most current approaches use fixed entanglement topologies that are not adaptive to task requirements, limiting potential gains over classical models. We introduce a novel stochastic entanglement configuration method that systematically generates diverse entanglement topologies to identify a subspace of constructive entanglement configurations, defined as entanglement topologies that boost hybrid model performance (e.g., classification accuracy) beyond classical baselines. Each configuration is encoded as a stochastic binary matrix, denoting directed entanglement between qubits. This enables scalable exploration of the hyperspace of candidate entanglement topologies using entanglement density and per-qubit constraints as key metrics. We define unconstrained and constrained sampling modes, controlling entanglement per qubit. Using our method, 400 stochastic configurations were generated and evaluated in a hybrid QML for cardiac MRI disease classification. We identified 64 (16%) novel constructive entanglement configurations that consistently outperformed the classical baseline. Ensemble aggregation of top-performing configurations achieved ~0.92 classification accuracy, exceeding the classical model (~0.87) by over 5%. Compared to four conventional topologies (ring, nearest neighbor, no entanglement, fully entangled), none surpassed the classical baseline (maximum accuracy ~0.82), while our configurations delivered up to ~20% higher accuracy. Thus, highlighting the robustness and generalizability of the identified constructive entanglements.
• Abstract（参考訳）: 量子機械学習(QML)のための変分量子回路(VQC)の進化には,効率的な絡み合い戦略が不可欠である。 しかし、現在のほとんどのアプローチでは、タスク要求に適応しない固定絡み合いトポロジーを使用し、古典的なモデルに対する潜在的な利得を制限する。 本稿では,古典的ベースラインを超えたハイブリッドモデル性能(例えば,分類精度)を向上する絡み合いトポロジとして定義される構成的絡み合い構成のサブ空間を同定するために,多種多様な絡み合いトポロジを体系的に生成する新しい確率的絡み合い構成法を提案する。 各構成は確率的二進行列として符号化され、キュービット間の方向の絡み合いを表す。 これにより、絡み合い密度と量子ビットあたりの制約を鍵指標として、候補絡み合いトポロジーのハイパースペースをスケーラブルに探索することができる。 制約のないサンプリングモードと制約のないサンプリングモードを定義し、量子ビットあたりの絡み合いを制御する。 心臓MRI疾患分類のためのハイブリッドQMLにおいて,400の確率的構成が生成され,評価された。 64 (16%) の新規なコンストラクティブ・エンタングルメント構成を同定した。 トップパフォーマンス構成のアンサンブルアグリゲーションは ~0.92 の分類精度を達成し、古典的モデル (~0.87) を5%以上上回った。 従来の4つのトポロジー (リング, 近傍, 絡み合わず, 完全に絡み合っていない) と比較すると, 従来のベースライン(最大精度 ~0.82) を超えなかった。 このようにして、同定された構成的絡み合いの堅牢性と一般化性を強調する。

関連論文リスト

• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• Quantum Model Parallelism for MRI-Based Classification of Alzheimer's Disease Stages [0.0]
  ADステージの効率的な分類のために量子ベース並列モデル(QBPM)アーキテクチャを提案する。 提案モデルは2つの異なる量子回路を用いており、それぞれに回転ブロックと絡み合いブロックが組み込まれ、同じ量子シミュレータ上で並列に動作する。 以上の結果から,QBPMアーキテクチャはアルツハイマー病などの複雑な疾患の段階を分類するための革新的で強力なアプローチであることが示唆された。
  論文  参考訳（メタデータ） (2026-01-28T01:26:30Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Quantum Reinforcement Learning-Guided Diffusion Model for Image Synthesis via Hybrid Quantum-Classical Generative Model Architectures [2.005299372367689]
  本稿では,各段階でCFGを動的に調整するQRL(quantum reinforcement learning)コントローラを提案する。 コントローラは、ハイブリッド量子-古典的アクター-批判的アーキテクチャを採用する。 CIFAR-10の実験は、QRLポリシーが知覚品質を改善することを示した。
  論文  参考訳（メタデータ） (2025-09-17T16:47:04Z)
• HQCC: A Hybrid Quantum-Classical Classifier with Adaptive Structure [7.836610894905161]
  量子機械学習(QML)を進化させるハイブリッド量子古典(HQCC)を提案する。 HQCCはLong ShortTerm Memory (LSTM)駆動の動的回路生成器を通じて量子回路(PQC)を適応的に最適化する。 我々はMNISTとFashion MNISTのデータセットでシミュレーションを行い、97.12%の精度を達成した。
  論文  参考訳（メタデータ） (2025-04-02T22:49:00Z)
• Hybrid Tree Tensor Networks for quantum simulation [0.0]
  ハイブリッドツリーネットワーク(hTTN)を用いた基底状態最適化のための新しいアルゴリズムを提案する。 我々は、hTTNsが古典的部分における等しい結合次元を持つ古典的等価性を改善することができることを示した。
  論文  参考訳（メタデータ） (2024-04-08T18:00:00Z)
• Hyperparameters in Continual Learning: A Reality Check [53.30082523545212]
  連続学習(CL)は、可塑性(新しいタスクを学ぶ)と安定性(事前知識を保持する)のトレードオフをバランスしながら、一連のタスクでモデルを訓練することを目的としている。
  論文  参考訳（メタデータ） (2024-03-14T03:13:01Z)
• Enhancing Scalability of Quantum Eigenvalue Transformation of Unitary Matrices for Ground State Preparation through Adaptive Finer Filtering [0.13108652488669736]
  ハミルトニアンシミュレーション(英: Hamiltonian Simulation)は、量子コンピュータが古典的計算を上回る可能性を持つ領域である。 このような量子アルゴリズムの主な課題の1つは、システムサイズを増大させることである。 本稿では, 固有空間フィルタリングのスケーラビリティを, 与えられたハミルトニアンの基底状態の準備のために向上させるアプローチを提案する。
  論文  参考訳（メタデータ） (2024-01-17T09:52:24Z)
• Efficient Bound of Lipschitz Constant for Convolutional Layers by Gram Iteration [122.51142131506639]
  循環行列理論を用いて畳み込み層のスペクトルノルムに対して、精密で高速で微分可能な上界を導入する。 提案手法は, 精度, 計算コスト, スケーラビリティの観点から, 他の最先端手法よりも優れていることを示す。 これは畳み込みニューラルネットワークのリプシッツ正則化に非常に効果的であり、並行アプローチに対する競合的な結果である。
  論文  参考訳（メタデータ） (2023-05-25T15:32:21Z)
• Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent and Incoherent Photons Found with Gradient Search [77.34726150561087]
  我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。 我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
  論文  参考訳（メタデータ） (2023-02-28T07:36:02Z)
• Classical Ensembles of Single-Qubit Quantum Variational Circuits for Classification [0.0]
  近年,量子普遍多機能アーキテクチャ (QAUM) を導入し, パルサー星の分類における表現性と性能の向上を示した。 本研究は,古典的なバギングとブースティング技術を用いた単一量子QAUM分類器の設計,実装,評価について報告する。
  論文  参考訳（メタデータ） (2023-02-06T17:51:47Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Hybrid Random Features [60.116392415715275]
  ハイブリッドランダム特徴(HRF)と呼ばれるソフトマックスとガウス核の線形化のための新しいランダム特徴法を提案する。 HRFは、カーネル推定の品質を自動的に適応し、定義された関心領域の最も正確な近似を提供する。
  論文  参考訳（メタデータ） (2021-10-08T20:22:59Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。