論文の概要: Multi-channel convolutional neural quantum embedding

• arxiv url: http://arxiv.org/abs/2509.22355v1
• Date: Fri, 26 Sep 2025 13:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.468666
• Title: Multi-channel convolutional neural quantum embedding
• Title（参考訳）: 多チャンネル畳み込み型ニューラル量子埋め込み
• Authors: Yujin Kim, Changjae Im, Taehyun Kim, Tak Hur, Daniel K. Park,
• Abstract要約: 量子計算の標準回路モデルに限らず,量子埋め込みを最適化するための古典量子ハイブリッド手法を提案する。 我々は,CIFAR-10とTiny ImageNetデータセットを用いて,フレームワーク内の各種モデルの性能をベンチマークした。
• 参考スコア（独自算出の注目度）: 10.620759775107787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classification using variational quantum circuits is a promising frontier in quantum machine learning. Quantum supervised learning (QSL) applied to classical data using variational quantum circuits involves embedding the data into a quantum Hilbert space and optimizing the circuit parameters to train the measurement process. In this context, the efficacy of QSL is inherently influenced by the selection of quantum embedding. In this study, we introduce a classical-quantum hybrid approach for optimizing quantum embedding beyond the limitations of the standard circuit model of quantum computation (i.e., completely positive and trace-preserving maps) for general multi-channel data. We benchmark the performance of various models in our framework using the CIFAR-10 and Tiny ImageNet datasets and provide theoretical analyses that guide model design and optimization.
• Abstract（参考訳）: 変分量子回路を用いた分類は、量子機械学習における有望なフロンティアである。 変分量子回路を用いた古典的データに適用される量子教師あり学習(QSL)は、データを量子ヒルベルト空間に埋め込み、回路パラメータを最適化して測定プロセスを訓練する。 この文脈では、QSLの有効性は本質的に量子埋め込みの選択に影響される。 本研究では,一般的なマルチチャネルデータに対して,量子計算の標準回路モデル(完全正およびトレース保存マップ)の限界を超える量子埋め込みを最適化するための古典的量子ハイブリッド手法を提案する。 CIFAR-10およびTiny ImageNetデータセットを用いて,本フレームワークにおける各種モデルの性能をベンチマークし,モデル設計と最適化を導く理論的解析を行った。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• An Amplitude-Encoding-Based Classical-Quantum Transfer Learning framework: Outperforming Classical Methods in Image Recognition [8.971481563534537]
  本稿では,AE-CQTL(Amplence-encoding-based classical-quantum transfer learning)フレームワークを提案する。 AE-CQTLフレームワークをベースとして,Transfer Learning Quantum Neural Network (TLQNN)とTransfer Learning Quantum Convolutional Neural Network (TLQCNN)の2つのCQTLニューラルネットワークモデルの設計と実装を行った。
  論文  参考訳（メタデータ） (2025-02-27T15:20:01Z)
• Quantum Data Encoding and Variational Algorithms: A Framework for Hybrid Quantum Classical Machine Learning [0.0]
  量子機械学習(QML)は、量子力学の計算フレームワークと古典的な機械学習の適応特性を統合する。 この記事では、古典的なデータパイプラインと量子アルゴリズムの接続を可能にする広範なアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-17T16:04:04Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• 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)
• 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)
• 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)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• Optimal quantum kernels for small data classification [0.0]
  本稿では,量子ゲートシーケンスをデータに適応させるベクトルマシンをサポートするために,量子カーネルを構築するアルゴリズムを示す。 少数のトレーニングポイントを持つ分類問題に対する結果の量子モデルの性能は、最適化された古典モデルよりも著しく高い。
  論文  参考訳（メタデータ） (2022-03-25T18:26:44Z)
• Variational Quantum Policy Gradients with an Application to Quantum Control [0.0]
  量子機械学習モデルは、変分量子回路(VQC)によって非常に自然な方法で構成される。 本研究では,ハードウェア効率のよいアザッツを用いたポリシグラディエンスについて考察する。 量子ハードウェアを用いた勾配のエプシロン近似を求める複雑さは、パラメータの数と対数的にしか比較できないことを証明した。
  論文  参考訳（メタデータ） (2022-03-20T16:14:49Z)

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。