論文の概要: Quenched Quantum Feature Maps

• arxiv url: http://arxiv.org/abs/2508.20975v1
• Date: Thu, 28 Aug 2025 16:28:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:02.5111
• Title: Quenched Quantum Feature Maps
• Title（参考訳）: Quenched Quantum Feature Maps
• Authors: Anton Simen, Carlos Flores-Garrigos, Murilo Henrique De Oliveira, Gabriel Dario Alvarado Barrios, Juan F. R. Hernández, Qi Zhang, Alejandro Gomez Cadavid, Yolanda Vives-Gilabert, José D. Martín-Guerrero, Enrique Solano, Narendra N. Hegade, Archismita Dalal,
• Abstract要約: 本稿では,量子スピンガラスのクエンチダイナミクスを利用して複雑なデータパターンを抽出する量子特徴マッピング手法を提案する。 我々の研究は量子アドバンテージレベルにおける最初の量子MLデモを示し、量子超越性と有用な実世界の学術的・産業的応用とのギャップを埋める。
• 参考スコア（独自算出の注目度）: 32.2069811127299
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a quantum feature mapping technique that leverages the quench dynamics of a quantum spin glass to extract complex data patterns at the quantum-advantage level for academic and industrial applications. We demonstrate that encoding a dataset information into disordered quantum many-body spin-glass problems, followed by a nonadiabatic evolution and feature extraction via measurements of expectation values, significantly enhances machine learning (ML) models. By analyzing the performance of our protocol over a range of evolution times, we empirically show that ML models benefit most from feature representations obtained in the fast coherent regime of a quantum annealer, particularly near the critical point of the quantum dynamics. We demonstrate the generalization of our technique by benchmarking on multiple high-dimensional datasets, involving over a hundred features, in applications including drug discovery and medical diagnostics. Moreover, we compare against a comprehensive suite of state-of-the-art classical ML models and show that our quantum feature maps can enhance the performance metrics of the baseline classical models up to 210%. Our work presents the first quantum ML demonstrations at the quantum-advantage level, bridging the gap between quantum supremacy and useful real-world academic and industrial applications.
• Abstract（参考訳）: 本稿では, 量子スピンガラスのクエンチダイナミクスを利用して, 量子アドバンテージレベルで複雑なデータパターンを抽出する量子特徴マッピング手法を提案する。 本研究では,データセット情報を乱れた量子多体スピングラス問題に符号化し,予測値の測定による解析的進化と特徴抽出を行い,機械学習(ML)モデルを大幅に強化することを示した。 進化時間にまたがるプロトコルの性能を解析することにより、MLモデルは量子アニールの高速コヒーレントな状態、特に量子力学の臨界点付近で得られる特徴表現から最も恩恵を受けることを実証的に示す。 薬物発見や医学診断など,100以上の特徴を含む複数の高次元データセットをベンチマークすることで,本手法の一般化を実証する。 さらに、最先端の古典的MLモデルの包括的スイートと比較し、我々の量子特徴写像がベースラインの古典的モデルの性能指標を最大210%向上させることができることを示す。 我々の研究は量子アドバンテージレベルにおける最初の量子MLデモを示し、量子超越性と有用な実世界の学術的・産業的応用とのギャップを埋める。

関連論文リスト

• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Quantum-Accelerated Neural Imputation with Large Language Models (LLMs) [0.0]
  本稿では、浅い量子回路をLLMベースの計算アーキテクチャに統合する新しいフレームワークであるQuantum-UnIMPを紹介する。 ベンチマーク混合型データセットを用いた実験により, 数値特徴量(RMSE)の計算誤差を最大15.2%削減し, カテゴリー的特徴量(F1-Score)の分類精度を, 最先端の古典的手法とLLMベースの手法と比較して8.7%向上した。
  論文  参考訳（メタデータ） (2025-07-11T02:00:06Z)
• Characterizing Non-Markovian Dynamics of Open Quantum Systems [0.0]
  我々はTCLマスター方程式を用いて非マルコフ進化を特徴付ける構造保存手法を開発した。 本稿では,ローレンス・リバモア国立研究所のQuantum Device Integration Testbed (QuDIT) における超伝導量子ビットの実験データを用いた手法について述べる。 これらの知見は、短期量子プロセッサにおける量子制御とエラー軽減に寄与する、オープン量子システムの効率的なモデリング戦略に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-03-28T04:43:24Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Unsupervised Quantum Anomaly Detection on Noisy Quantum Processors [1.2325897339438878]
  本稿では,一クラス支援ベクトルマシン(OCSVM)アルゴリズムの一般化特性の系統的解析を行う。 結果は理論的にシミュレートされ、トラップイオンおよび超伝導量子プロセッサ上で実験的に検証された。
  論文  参考訳（メタデータ） (2024-11-25T22:42:38Z)
• Ground state-based quantum feature maps [17.857341127079305]
  パラメータ化ハミルトンの基底状態の合成に基づく量子データ埋め込みプロトコルを提案する。 基底状態の埋め込みは、量子ビットの数で急速に増加するスペクトルで効果的に記述できることを示す。
  論文  参考訳（メタデータ） (2024-04-10T17:17:05Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• 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)

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。