論文の概要: Classical Neural Networks on Quantum Devices via Tensor Network Disentanglers: A Case Study in Image Classification

• arxiv url: http://arxiv.org/abs/2509.06653v1
• Date: Mon, 08 Sep 2025 13:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.144731
• Title: Classical Neural Networks on Quantum Devices via Tensor Network Disentanglers: A Case Study in Image Classification
• Title（参考訳）: テンソルネットワークディスタングルを用いた量子デバイス上の古典的ニューラルネットワーク:画像分類の事例研究
• Authors: Borja Aizpurua, Sukhbinder Singh, Román Orús,
• Abstract要約: 量子コンピュータ上での古典的事前学習ニューラルネットワークのボトルネック層実装の問題に対処する。 本稿では,MPOアンタングリングのための2つの補完アルゴリズムを提案する。 MNIST と CIFAR-10 画像分類のための単純な古典的ニューラルネットワークの概念変換による検証を行った。
• 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: We address the problem of implementing bottleneck layers from classical pre-trained neural networks on a quantum computer, with the goal of achieving quantum advantage on near-term devices. Our approach begins with a compression step in which the target linear layer is represented as an effective matrix product operator (MPO) without degrading model performance. The MPO is then further disentangled into a more compact form. This enables a hybrid classical-quantum execution scheme, where the disentangling circuits are deployed on a quantum computer while the remainder of the network -- including the disentangled MPO -- runs on classical hardware. We introduce two complementary algorithms for MPO disentangling: (i) an explicitly disentangling variational method leveraging standard tensor-network optimization techniques, and (ii) an implicitly disentangling gradient-descent-based approach. We validate these methods through a proof-of-concept translation of simple classical neural networks for MNIST and CIFAR-10 image classification into a hybrid classical-quantum form.
• Abstract（参考訳）: 我々は,量子コンピュータ上での古典的事前学習ニューラルネットワークのボトルネック層実装の問題に対処し,短期的デバイスにおける量子優位性の実現を目指す。 提案手法は, モデル性能を劣化させることなく, 対象の線形層を有効行列積演算子 (MPO) として表現する圧縮ステップから始める。 その後、MPOはさらにコンパクトな形式に切り離される。 これにより、分散回路を量子コンピュータにデプロイするハイブリッドな古典量子実行方式が実現され、一方ネットワークの残りの部分(アンタングル付きMPOを含む)は古典的なハードウェアで動作する。 本稿では,MPOアンタングリングのための2つの補完アルゴリズムを紹介する。 (i)標準テンソル-ネットワーク最適化技術を活用した明示的無絡変分法、及び (ii) 暗黙的に不連続な勾配線に基づくアプローチ。 MNIST と CIFAR-10 の画像分類のための単純な古典的ニューラルネットワークの概念的変換をハイブリッドな古典的量子形式に変換することによって,これらの手法を検証する。

関連論文リスト

• 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)
• Patch-Based End-to-End Quantum Learning Network for Reduction and Classification of Classical Data [0.22099217573031676]
  ノイズの多い中間スケール量子(NISQ)時代には、量子デコヒーレンス、クロストーク、不完全校正による誤差により、量子ビットの制御が制限される。 量子ネットワークによって処理される場合,画像などの大規模古典データのサイズを小さくする必要がある。 本稿では、このようなデータ削減を回避するために、古典的な注意機構を持つ動的パッチベースの量子ドメインデータ削減ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-09-23T16:58:02Z)
• Dissipation-driven quantum generative adversarial networks [11.833077116494929]
  本稿では,従来のデータ生成に適した,分散駆動型量子生成逆数ネットワーク(DQGAN)アーキテクチャを提案する。 古典データは、強い調整された散逸過程を通じて入力層の入力量子ビットに符号化される。 出力量子ビットの定常状態の可観測値を測定することにより、生成されたデータと分類結果の両方を抽出する。
  論文  参考訳（メタデータ） (2024-08-28T07:41:58Z)
• Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach [0.0]
  我々は、MNIST桁の画像を低次元の特徴空間に圧縮する画像分類のためのハイブリッド量子古典モデルを実装した。 オートエンコーダは、各28タイムs28$イメージ(784ピクセル)を64次元潜在ベクトルに圧縮する。 これらの特徴を5量子ビット量子状態にマッピングする。
  論文  参考訳（メタデータ） (2024-08-05T22:16:27Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Training Hybrid Classical-Quantum Classifiers via Stochastic Variational Optimization [32.562122826341266]
  量子機械学習は、短期量子デバイスの潜在的な実用的応用として登場した。 本研究では、一般化線形モデル(英語版)(QGLM)を実装した量子ニューロンの第1層に、第2の古典的合成層が続く2層ハイブリッド古典量子分類器について検討する。 実験は、QGLMニューロンによって実装された様々な活性化関数に対するアプローチの利点を示す。
  論文  参考訳（メタデータ） (2022-01-21T10:30:24Z)

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。