論文の概要: Quantum Reservoir GAN

• arxiv url: http://arxiv.org/abs/2508.05716v2
• Date: Wed, 13 Aug 2025 17:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 14:06:00.54799
• Title: Quantum Reservoir GAN
• Title（参考訳）: 量子貯留層ガン
• Authors: Hikaru Wakaura,
• Abstract要約: 我々は,GAN(Quantum Reservoir Generative Adversarial Network)と呼ばれるソフトウェアからのアプローチを提案する。 GANはGANのジェネレータとしてQuantum Reservoir Computersを使用している。 CIFAR10データセット上で手書き単一桁とモノクロ画像の生成を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning is known as one of the promising applications of quantum computers. Many types of quantum machine learning methods have been released, such as Quantum Annealer, Quantum Neural Network, Variational Quantum Algorithms, and Quantum Reservoir Computers. They can work consuming far less energy for networks of equivalent size. Quantum Reservoir Computers, in particular, have no limit on the size of input data. However, their accuracy is not enough for practical use, and the effort to improve accuracy is mainly focused on hardware improvements. Therefore, we propose the approach from software called Quantum Reservoir Generative Adversarial Network (GAN), which uses Quantum Reservoir Computers as a generator of GAN. We performed the generation of handwritten single digits and monochrome pictures on the CIFAR10 dataset. As a result, Quantum Reservoir GAN is confirmed to be more accurate than Quantum GAN, Classical Neural Network, and ordinary Quantum Reservoir Computers.
• Abstract（参考訳）: 量子機械学習は量子コンピュータの有望な応用の1つとして知られている。 量子アニール、量子ニューラルネットワーク、変分量子アルゴリズム、量子貯水池コンピュータなど、多くの種類の量子機械学習手法がリリースされた。 彼らは同等の大きさのネットワークに対して、はるかに少ないエネルギーを消費することができる。 特に量子貯留層コンピュータは、入力データのサイズに制限がない。 しかし、それらの精度は実用には不十分であり、精度を向上させる努力は主にハードウェアの改善に焦点を当てている。 そこで本研究では,GAN の生成元としてQuantum Reservoir Generative Adversarial Network (GAN, Quantum Reservoir Generative Adversarial Network) を用いた手法を提案する。 CIFAR10データセット上で手書き単一桁とモノクロ画像の生成を行った。 その結果,Quantum Reservoir GANはQuantum GAN, Classical Neural Network, および通常のQuantum Reservoir Computersよりも正確であることが確認された。

関連論文リスト

• A quantum GAN for entanglement detection and image classification [2.209921757303168]
  我々は、画像生成と分類のための古典的なスタイルネットGANの量子アナログを作成する。 純粋に量子情報を持つQGANを実証する問題を選択する。 実積状態は、量子発生器によって生成された偽の量子積状態から検出され分離される。
  論文  参考訳（メタデータ） (2024-08-09T19:11:47Z)
• Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Quantum Netlist Compiler (QNC) [0.0]
  本稿では、任意のユニタリ演算子や量子アルゴリズムの初期状態をOpenQASM-2.0回路に変換する量子ネットリストコンパイラ(QNC)を紹介する。 その結果、QNCは量子回路最適化に適しており、実際に競合する成功率の回路を生産していることがわかった。
  論文  参考訳（メタデータ） (2022-09-02T05:00:38Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Qsun: an open-source platform towards practical quantum machine learning applications [0.0]
  本稿では、量子状態波動関数によって演算を下線化している量子仮想マシンQsunを紹介する。 次に、量子機械学習の代表である量子線形回帰と量子ニューラルネットワークの2つのテストについて報告する。
  論文  参考訳（メタデータ） (2021-07-22T09:37:31Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)

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。