論文の概要: Impact of Single Rotations and Entanglement Topologies in Quantum Neural Networks

• arxiv url: http://arxiv.org/abs/2509.15722v1
• Date: Fri, 19 Sep 2025 07:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.059469
• Title: Impact of Single Rotations and Entanglement Topologies in Quantum Neural Networks
• Title（参考訳）: 量子ニューラルネットワークにおける単一回転と絡み合い位相の影響
• Authors: Marco Mordacci, Michele Amoretti,
• Abstract要約: 異なる変分量子回路の性能解析を行った。 この分析の目的は、量子ニューラルネットワークのための回路を構築するための最適な方法を特定することである。
• 参考スコア（独自算出の注目度）: 0.6875312133832078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, an analysis of the performance of different Variational Quantum Circuits is presented, investigating how it changes with respect to entanglement topology, adopted gates, and Quantum Machine Learning tasks to be performed. The objective of the analysis is to identify the optimal way to construct circuits for Quantum Neural Networks. In the presented experiments, two types of circuits are used: one with alternating layers of rotations and entanglement, and the other, similar to the first one, but with an additional final layer of rotations. As rotation layers, all combinations of one and two rotation sequences are considered. Four different entanglement topologies are compared: linear, circular, pairwise, and full. Different tasks are considered, namely the generation of probability distributions and images, and image classification. Achieved results are correlated with the expressibility and entanglement capability of the different circuits to understand how these features affect performance.
• Abstract（参考訳）: 本研究では, 異なる変分量子回路の性能解析を行い, 絡み合いトポロジー, 採用ゲート, 実行すべき量子機械学習タスクについて検討した。 この分析の目的は、量子ニューラルネットワークのための回路を構築するための最適な方法を特定することである。 実験では、回転と絡み合いの交互層を持つ回路と、第1層と似ているが、追加の最終層を持つ回路の2種類が用いられた。 回転層として、1と2の回転列のすべての組み合わせが考慮される。 4つの異なる絡み合いトポロジーを比較する:線形、円形、ペアワイド、フルである。 確率分布と画像の生成、画像分類など、様々なタスクが考慮されている。 得られた結果は,各回路の表現性や絡み合い能力と相関し,これらの特徴が性能に与える影響を理解する。

関連論文リスト

• On the Importance of Fundamental Properties in Quantum-Classical Machine Learning Models [0.0]
  本稿では、量子回路設計が因果分類タスクにおけるハイブリッド量子古典ニューラルネットワークの性能にどのように影響するかを体系的に研究する。 このアーキテクチャは、古典的な特徴抽出のための畳み込みニューラルネットワークと、量子層として機能するパラメータ化量子回路を組み合わせる。 その結果、アンザッツ繰り返しの増加は一般化と訓練の安定性を向上させるが、利点は一定の深さを超える傾向にあることが示された。 複数軸のパウリ回転を持つエンコーディングだけが学習を成功させる一方で、より単純なマップはクラス分離性の不足や損失につながる。
  論文  参考訳（メタデータ） (2025-07-14T11:18:53Z)
• Analysis of quantum neural network performance via edge cases [4.180897432770239]
  グラフ分類タスクにおいて,異なる量子機械学習ネットワークの性能を評価する。 内部対称性の異なる量子回路は、グラフの対称性に完全に、部分的には参照せず、データセット上で異なる性能を示す。
  論文  参考訳（メタデータ） (2025-06-14T09:56:01Z)
• Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
  捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。 リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Going Beyond Neural Network Feature Similarity: The Network Feature Complexity and Its Interpretation Using Category Theory [64.06519549649495]
  機能的に等価な機能と呼ぶものの定義を提供します。 これらの特徴は特定の変換の下で等価な出力を生成する。 反復的特徴マージ(Iterative Feature Merging)というアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-10T16:27:12Z)
• Supervised Training of Neural-Network Quantum States for the Next Nearest Neighbor Ising model [0.818052289014297]
  物質相の異なる状態におけるフィードフォワードニューラルネットワーク量子状態の性能を評価する。 重なり合う損失関数は、ニューラルネットワークの再スケーリングを条件として、すべてのフェーズにわたるモデルのより良いトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-05-05T09:39:56Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• SO(2) and O(2) Equivariance in Image Recognition with Bessel-Convolutional Neural Networks [63.24965775030674]
  この研究はベッセル畳み込みニューラルネットワーク(B-CNN)の開発を示す B-CNNは、ベッセル関数に基づく特定の分解を利用して、画像とフィルタの間のキー操作を変更する。 他の手法と比較して,B-CNNの性能を評価するために検討を行った。
  論文  参考訳（メタデータ） (2023-04-18T18:06:35Z)
• Image Classification by Throwing Quantum Kitchen Sinks at Tensor Networks [0.0]
  量子機械学習のための新しい回路アンサッツを提案する。 画像分類における新しいアンザッツの性能を実証的に評価するための数値実験を行った。 機能最適化の追加により、パフォーマンスが大幅に向上し、画像分類のための最先端の量子回路が実現された。
  論文  参考訳（メタデータ） (2022-08-29T21:38:22Z)
• Unified Field Theory for Deep and Recurrent Neural Networks [56.735884560668985]
  本稿では,再帰的ネットワークと深層ネットワークの両方に対する平均場理論の統一的,体系的な導出について述べる。 平均場理論への収束は、ディープネットワークよりもリカレントネットワークの方が典型的に遅い。 提案手法はガウス過程が1/n$の体系的展開の最下位次数であることを示す。
  論文  参考訳（メタデータ） (2021-12-10T15:06:11Z)
• Transformations between deep neural networks [0.0]
  我々は、2つの異なる人工ニューラルネットワークの等価性を検証し、可能であれば確立することを提案する。 まず、2つのネットワークの出力のみ間の変換関数について議論する。 次に、各ネットワークから複数の内部ニューロンの出力(活性化)を考慮に入れた変換を検討する。
  論文  参考訳（メタデータ） (2020-07-10T23:32:12Z)

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。