Fugu-MT 論文翻訳(概要): Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks

論文の概要: Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks

arxiv url: http://arxiv.org/abs/2508.09209v2
Date: Sun, 17 Aug 2025 14:13:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-19 12:43:44.893937
Title: Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks
Title（参考訳）: 量子強化生成逆数ネットワーク:古典的およびハイブリッドな量子古典生成逆数ネットワークの比較解析
Authors: Kun Ming Goh,
Abstract要約: 高忠実度データサンプルを作成するための強力なパラダイムとして、GAN(Generative Adversarial Network)が登場した。本研究では、パラメータ化量子回路を用いて実装された量子発生器が古典的判別器の潜在ベクトルを生成するハイブリッド量子古典型GAN(HQCGAN)について検討する。我々は,Qiskit の AerSimulator を用いて,3,5,7量子ビットのHQCGAN 変種とともに古典的 GAN を評価する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generative adversarial networks (GANs) have emerged as a powerful paradigm for producing high-fidelity data samples, yet their performance is constrained by the quality of latent representations, typically sampled from classical noise distributions. This study investigates hybrid quantum-classical GANs (HQCGANs) in which a quantum generator, implemented via parameterised quantum circuits, produces latent vectors for a classical discriminator. We evaluate a classical GAN alongside three HQCGAN variants with 3, 5, and 7 qubits, using Qiskit's AerSimulator with realistic noise models to emulate near-term quantum devices. The binary MNIST dataset (digits 0 and 1) is used to align with the low-dimensional latent spaces imposed by current quantum hardware. Models are trained for 150 epochs and assessed with Frechet Inception Distance (FID) and Kernel Inception Distance (KID). Results show that while the classical GAN achieved the best scores, the 7-qubit HQCGAN produced competitive performance, narrowing the gap in later epochs, whereas the 3-qubit model exhibited earlier convergence limitations. Efficiency analysis indicates only moderate training time increases despite quantum sampling overhead. These findings validate the feasibility of noisy quantum circuits as latent priors in GAN architectures, highlighting their potential to enhance generative modelling within the constraints of the noisy intermediate-scale quantum (NISQ) era.
Abstract（参考訳）: GAN(Generative Adversarial Network)は、高忠実度データサンプルを作成するための強力なパラダイムとして登場したが、その性能は古典的な雑音分布からサンプリングされる遅延表現の品質に制約されている。本研究では、パラメータ化量子回路を用いて実装された量子発生器が古典的判別器の潜在ベクトルを生成するハイブリッド量子古典型GAN(HQCGAN)について検討する。我々は,Qiskit の AerSimulator を用いて,3,5,7量子ビットのHQCGAN 変種とともに古典的 GAN を評価する。バイナリMNISTデータセット(桁 0 と 1)は、現在の量子ハードウェアによって課される低次元の潜在空間と整合するために使用される。モデルは150エポックで訓練され、Frechet Inception Distance (FID)とKernel Inception Distance (KID)で評価される。その結果,古典的 GAN が最高のスコアを得た一方で,7-qubit HQCGAN は競争性能を向上し,後期のギャップを狭める一方で,3-qubit モデルは早期収束限界を示した。効率分析は、量子サンプリングオーバーヘッドにもかかわらず、適度なトレーニング時間が増加することを示している。これらの結果は、GANアーキテクチャにおける遅延先行としてノイズ量子回路が実現可能であることを証明し、ノイズ中間スケール量子(NISQ)時代の制約の中で生成モデリングを強化する可能性を強調した。

関連論文リスト

Hybrid Quantum-Classical Generative Adversarial Networks with Transfer Learning [0.0]
GAN(Generative Adversarial Networks)は多様な高忠実な画像を合成する大きな可能性を実証している。本稿では,転送学習によって補完されるハイブリッド量子古典的GANアーキテクチャについて検討する。この結果から,VQCをジェネレータと判別器の両方に組み込んだ完全ハイブリッドモデルでは,高画質の画像が連続的に生成されることが示唆された。
論文参考訳（メタデータ） (2025-07-13T16:46:56Z)
Unitary Scrambling and Collapse: A Quantum Diffusion Framework for Generative Modeling [5.258882634977828]
画像生成のための最初の完全量子拡散に基づくフレームワークであるQSC-Diffusionを提案する。逆ノイズ発生のためのパラメータ化量子回路を用いる。注目すべきは、QSC-Diffusionは複数のデータセット間で競合するFIDスコアを達成することだ。
論文参考訳（メタデータ） (2025-06-12T11:00:21Z)
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)
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)
Building Continuous Quantum-Classical Bayesian Neural Networks for a Classical Clinical Dataset [0.0]
本稿では,医学データセットの不確実性を考慮した分類を行う量子古典ベイズニューラルネットワーク(QCBNN)を提案する。予測性能とモデルの不確実性の両方を捉える複数の行動メトリクスを追跡します。より不確実な方法でサンプルを分類できるハイブリッドモデルを作ることは、私たちの野望です。
論文参考訳（メタデータ） (2024-06-10T14:23:25Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文参考訳（メタデータ） (2023-03-27T22:48:28Z)
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)
Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文参考訳（メタデータ） (2021-04-30T20:38:41Z)
Quantum Generative Adversarial Networks in a Continuous-Variable Architecture to Simulate High Energy Physics Detectors [0.0]
連続可変量子計算に用いる新しい量子GAN(qGAN)のプロトタイプを導入し,解析する。量子と古典的判別器を備えた2つのCV qGANモデルを用いて、小型でカロリーの出力を再現する実験を行った。
論文参考訳（メタデータ） (2021-01-26T23:33:14Z)
Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。