論文の概要: CLAQS: Compact Learnable All-Quantum Token Mixer with Shared-ansatz for Text Classification

• arxiv url: http://arxiv.org/abs/2510.06532v1
• Date: Wed, 08 Oct 2025 00:20:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.237137
• Title: CLAQS: Compact Learnable All-Quantum Token Mixer with Shared-ansatz for Text Classification
• Title（参考訳）: CLAQS: テキスト分類のための共有アンザッツ付きコンパクト学習可能な全量子トケミキサ
• Authors: Junhao Chen, Yifan Zhou, Hanqi Jiang, Yi Pan, Yiwei Li, Huaqin Zhao, Wei Zhang, Yingfeng Wang, Tianming Liu,
• Abstract要約: テキスト分類のためのコンパクトで完全量子トークンミキサーであるCLAQSを提案する。 振幅スケーリングを規制するためにl1正規化を適用し、2段階のパラメタライズド量子アーキテクチャを導入する。 CLAQSはスライディングウインドウの下で動作しており、8つのデータキュービットと浅い回路しか必要としないが、SST-2では91.64%、IMDBでは87.08%の精度を達成している。
• 参考スコア（独自算出の注目度）: 25.923244871975058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum compute is scaling fast, from cloud QPUs to high throughput GPU simulators, making it timely to prototype quantum NLP beyond toy tasks. However, devices remain qubit limited and depth limited, training can be unstable, and classical attention is compute and memory heavy. This motivates compact, phase aware quantum token mixers that stabilize amplitudes and scale to long sequences. We present CLAQS, a compact, fully quantum token mixer for text classification that jointly learns complex-valued mixing and nonlinear transformations within a unified quantum circuit. To enable stable end-to-end optimization, we apply l1 normalization to regulate amplitude scaling and introduce a two-stage parameterized quantum architecture that decouples shared token embeddings from a window-level quantum feed-forward module. Operating under a sliding-window regime with document-level aggregation, CLAQS requires only eight data qubits and shallow circuits, yet achieves 91.64% accuracy on SST-2 and 87.08% on IMDB, outperforming both classical Transformer baselines and strong hybrid quantum-classical counterparts.
• Abstract（参考訳）: 量子計算はクラウドのQPUから高いスループットのGPUシミュレータに至るまで、高速にスケールしている。 しかし、デバイスは量子ビットに制限され、深さが制限され、トレーニングは不安定になり、古典的な注意は計算とメモリが重い。 これは、振幅を安定させ、長いシーケンスにスケールする、コンパクトで位相対応の量子トークンミキサーを動機付けている。 CLAQSはテキスト分類のためのコンパクトな完全量子トークンミキサーであり、統一量子回路内で複雑な値の混合と非線形変換を共同で学習する。 安定なエンドツーエンド最適化を実現するため、l1正規化を適用して振幅スケーリングを規制し、ウィンドウレベルの量子フィードフォワードモジュールからトークン埋め込みを分離する2段階のパラメータ化量子アーキテクチャを導入する。 CLAQSは8つのデータキュービットと浅い回路しか必要としないが、SST-2では91.64%、IMDBでは87.08%の精度を達成し、古典的なトランスフォーマーベースラインと強力なハイブリッド量子古典回路の両方を上回っている。

関連論文リスト

• Quantum Machine Learning for Predicting Binding Free Energies in Structure-Based Virtual Screening [0.0]
  分子情報を量子状態にエンコードする量子機械学習手法を導入する。 6つの量子回路ユニットを持つモデルでは、RMSDは2.37 kcal/mol、ピアソン相関は0.650である。
  論文  参考訳（メタデータ） (2025-07-24T14:01:39Z)
• 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)
• Quantum autoencoders for image classification [0.0]
  量子オートエンコーダ(QAE)は、パラメータチューニングのみに古典的な最適化を利用する。 本研究では,QAEを用いた新しい画像分類手法を提案する。
  論文  参考訳（メタデータ） (2025-02-21T07:13:38Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• 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)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• On-the-fly Tailoring towards a Rational Ansatz Design for Digital Quantum Simulations [0.0]
  量子デバイスで物理的に実現可能な低深さ量子回路を開発することが不可欠である。 我々は,最適なアンサッツを動的に調整できるアンサッツ構成プロトコルを開発した。 アンザッツの構成は、エネルギーソートと演算子の可換性事前スクリーニングによって並列量子アーキテクチャで実行される可能性がある。
  論文  参考訳（メタデータ） (2023-02-07T11:22:01Z)
• Reducing Unitary Coupled Cluster Circuit Depth by Classical Stochastic Amplitude Pre-Screening [0.0]
  Unitary Coupled Cluster (UCC)アプローチは、量子化学計算を実行するために量子ハードウェアを利用するための魅力的な方法である。 本稿では,従来のUCC前処理ステップを用いてUCCアンサッツの重要な励起を判定する,古典量子と古典量子の併用手法を提案する。
  論文  参考訳（メタデータ） (2021-08-24T18:34:14Z)

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。