論文の概要: On the Generalization Limits of Quantum Generative Adversarial Networks with Pure State Generators

• arxiv url: http://arxiv.org/abs/2508.09844v1
• Date: Wed, 13 Aug 2025 14:25:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.926825
• Title: On the Generalization Limits of Quantum Generative Adversarial Networks with Pure State Generators
• Title（参考訳）: 純状態発生器を用いた量子生成逆数ネットワークの一般化限界について
• Authors: Jasmin Frkatovic, Akash Malemath, Ivan Kankeu, Yannick Werner, Matthias Tschöpe, Vitor Fortes Rey, Sungho Suh, Paul Lukowicz, Nikolaos Palaiodimopoulos, Maximilian Kiefer-Emmanouilidis,
• Abstract要約: 画像生成タスクにおけるQGAN(Quantum Generative Adversarial Networks)の機能について検討する。 QGANはデータセット全体の一般化に苦慮しており、トレーニングデータの平均表現だけに収束している。
• 参考スコア（独自算出の注目度）: 2.204003511025504
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate the capabilities of Quantum Generative Adversarial Networks (QGANs) in image generations tasks. Our analysis centers on fully quantum implementations of both the generator and discriminator. Through extensive numerical testing of current main architectures, we find that QGANs struggle to generalize across datasets, converging on merely the average representation of the training data. When the output of the generator is a pure-state, we analytically derive a lower bound for the discriminator quality given by the fidelity between the pure-state output of the generator and the target data distribution, thereby providing a theoretical explanation for the limitations observed in current models. Our findings reveal fundamental challenges in the generalization capabilities of existing quantum generative models. While our analysis focuses on QGANs, the results carry broader implications for the performance of related quantum generative models.
• Abstract（参考訳）: 画像生成タスクにおけるQGAN(Quantum Generative Adversarial Networks)の機能について検討する。 我々の分析は、ジェネレータと判別器の両方の完全な量子実装に焦点を当てている。 現在の主要なアーキテクチャの広範な数値的なテストを通じて、QGANはトレーニングデータの平均表現だけに収束して、データセットをまたいだ一般化に苦慮している。 生成器の出力が純状態である場合、生成器の純状態出力と対象データ分布との忠実度によって与えられる識別器品質の低い境界を解析的に導出し、現在のモデルで観測される限界について理論的に説明する。 本研究は,既存の量子生成モデルの一般化における根本的な課題を明らかにするものである。 分析はQGANに焦点をあてるが、この結果は関連する量子生成モデルの性能に広範な影響をもたらす。

関連論文リスト

• Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks [0.0]
  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。
  論文  参考訳（メタデータ） (2025-08-10T18:34:53Z)
• 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)
• VAE-QWGAN: Addressing Mode Collapse in Quantum GANs via Autoencoding Priors [3.823356975862005]
  VAE-QWGANは、古典的変分オートエンコーダ(VAE)とハイブリッド量子ワッサーシュタインGAN(QWGAN)の強度を組み合わせる VAE-QWGANは既存のQGANアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-09-16T14:52:22Z)
• Do Quantum Circuit Born Machines Generalize? [58.720142291102135]
  本稿では,量子生成モデルの積分評価指標としてQCBMの一般化性能を示す文献で最初に紹介する。 そこで本研究では,QCBMがデータセットの再重み付けを効果的に学習し,未確認のサンプルをトレーニングセットよりも高い品質で生成可能であることを示す。
  論文  参考訳（メタデータ） (2022-07-27T17:06:34Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• 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)
• 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)

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。