論文の概要: Quantum Variational Activation Functions Empower Kolmogorov-Arnold Networks

• arxiv url: http://arxiv.org/abs/2509.14026v1
• Date: Wed, 17 Sep 2025 14:28:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.873209
• Title: Quantum Variational Activation Functions Empower Kolmogorov-Arnold Networks
• Title（参考訳）: Kolmogorov-Arnold ネットワークを利用した量子変量活性化関数
• Authors: Jiun-Cheng Jiang, Morris Yu-Chao Huang, Tianlong Chen, Hsi-Sheng Goan,
• Abstract要約: 変分量子回路(VQC)は量子機械学習の中心である。 コルモゴロフ・アルノルドネットワーク(KAN)の最近の進歩は、学習可能なアクティベーション関数のパワーを強調している。 本稿では,DARUAN(DatA Re-Uploading ActivatioNs)と呼ばれる単一キュービットデータ再ロード回路によって実現された量子変動活性化関数(QVAF)を紹介する。
• 参考スコア（独自算出の注目度）: 33.03489665216646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum circuits (VQCs) are central to quantum machine learning, while recent progress in Kolmogorov-Arnold networks (KANs) highlights the power of learnable activation functions. We unify these directions by introducing quantum variational activation functions (QVAFs), realized through single-qubit data re-uploading circuits called DatA Re-Uploading ActivatioNs (DARUANs). We show that DARUAN with trainable weights in data pre-processing possesses an exponentially growing frequency spectrum with data repetitions, enabling an exponential reduction in parameter size compared with Fourier-based activations without loss of expressivity. Embedding DARUAN into KANs yields quantum-inspired KANs (QKANs), which retain the interpretability of KANs while improving their parameter efficiency, expressivity, and generalization. We further introduce two novel techniques to enhance scalability, feasibility and computational efficiency, such as layer extension and hybrid QKANs (HQKANs) as drop-in replacements of multi-layer perceptrons (MLPs) for feed-forward networks in large-scale models. We provide theoretical analysis and extensive experiments on function regression, image classification, and autoregressive generative language modeling, demonstrating the efficiency and scalability of QKANs. DARUANs and QKANs offer a promising direction for advancing quantum machine learning on both noisy intermediate-scale quantum (NISQ) hardware and classical quantum simulators.
• Abstract（参考訳）: 変分量子回路(VQC)は量子機械学習の中心であり、最近のコルモゴロフ・アルノルドネットワーク(KAN)の進歩は学習可能なアクティベーション関数のパワーを強調している。 量子変動活性化関数(QVAF)を導入し,DARUAN(DatA Re-Uploading ActivatioNs)と呼ばれる単一キュービットデータ再ロード回路を通じて実現した。 本研究では,データ前処理におけるトレーニング可能な重みを持つDARUANが,データ繰り返しを伴う指数関数的に増加する周波数スペクトルを有しており,Fourierベースのアクティベーションよりもパラメータサイズが指数関数的に小さくなることを示す。 ダーランをカンに埋め込むと量子インスパイアされたカン(QKAN)が生成し、カンの解釈性を維持しながらパラメータ効率、表現性、一般化を改善する。 さらに、大規模モデルにおけるフィードフォワードネットワークのための多層パーセプトロン(MLP)のドロップイン置換として、レイヤ拡張やハイブリッドQKAN(HQKAN)など、スケーラビリティ、実現可能性、計算効率を向上させる2つの新しい手法を導入する。 機能回帰、画像分類、自動回帰生成言語モデリングに関する理論的解析と広範な実験を行い、QKANの効率性とスケーラビリティを実証する。 DARUANとQKANは、ノイズの多い中間スケール量子(NISQ)ハードウェアと古典的な量子シミュレータの両方で量子機械学習を進めるための有望な方向を提供する。

関連論文リスト

• Quantum parallel information exchange (QPIE) hybrid network with transfer learning [18.43273756128771]
  量子機械学習(QML)は、複雑なパターンを明らかにする可能性のある革新的なフレームワークとして登場した。 量子並列情報交換(QPIE)ハイブリッドネットワークを導入する。 量子処理ユニットにパラメータシフトルールを適用する動的勾配選択法を開発した。
  論文  参考訳（メタデータ） (2025-04-05T17:25:26Z)
• Quantum-Train-Based Distributed Multi-Agent Reinforcement Learning [5.673361333697935]
  量子トレインに基づく分散マルチエージェント強化学習(Dist-QTRL) 量子トレインに基づく分散マルチエージェント強化学習(Dist-QTRL)を紹介する。
  論文  参考訳（メタデータ） (2024-12-12T00:51:41Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Piecewise Polynomial Tensor Network Quantum Feature Encoding [0.0]
  この研究は、連続変数を断片的特徴によって量子回路に埋め込む新しい方法を紹介している。 提案手法は,量子アルゴリズムの適用範囲を広げることを目的として,ポリノミアルネットワーク量子特徴量TNQFEと呼ぶ。
  論文  参考訳（メタデータ） (2024-02-12T14:26:33Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Theoretical Error Performance Analysis for Variational Quantum Circuit Based Functional Regression [83.79664725059877]
  本研究では,次元減少と機能回帰のためのエンドツーエンドの量子ニューラルネットワークであるTTN-VQCを提案する。 また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
  論文  参考訳（メタデータ） (2022-06-08T06:54:07Z)
• 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)
• 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。