論文の概要: Multivariate Time Series Forecasting with Gate-Based Quantum Reservoir Computing on NISQ Hardware

• arxiv url: http://arxiv.org/abs/2510.13634v1
• Date: Wed, 15 Oct 2025 14:58:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.723948
• Title: Multivariate Time Series Forecasting with Gate-Based Quantum Reservoir Computing on NISQ Hardware
• Title（参考訳）: NISQハードウェアを用いたゲート型量子貯留層計算による多変量時系列予測
• Authors: Wissal Hamhoum, Soumaya Cherkaoui, Jean-Frederic Laprade, Ola Ahmed, Shengrui Wang,
• Abstract要約: この研究は多変量時系列(MTS-QRC)のためのゲートベースのQRCを導入し、インジェクションとメモリキュービットをペア化する。 Lorenz-63 と ENSO では、平均平方誤差 (MSE) はそれぞれ 0.0087 と 0.0036 である。 IBM Heron R2では、MTS-QRCは現実的な深さで精度を保ち、興味深いことにENSOのノイズレスシミュレータよりも優れています。
• 参考スコア（独自算出の注目度）: 7.4779635174843255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum reservoir computing (QRC) offers a hardware-friendly approach to temporal learning, yet most studies target univariate signals and overlook near-term hardware constraints. This work introduces a gate-based QRC for multivariate time series (MTS-QRC) that pairs injection and memory qubits and uses a Trotterized nearest-neighbor transverse-field Ising evolution optimized for current device connectivity and depth. On Lorenz-63 and ENSO, the method achieves a mean square error (MSE) of 0.0087 and 0.0036, respectively, performing on par with classical reservoir computing on Lorenz and above learned RNNs on both, while NVAR and clustered ESN remain stronger on some settings. On IBM Heron R2, MTS-QRC sustains accuracy with realistic depths and, interestingly, outperforms a noiseless simulator on ENSO; singular value analysis indicates that device noise can concentrate variance in feature directions, acting as an implicit regularizer for linear readout in this regime. These findings support the practicality of gate-based QRC for MTS forecasting on NISQ hardware and motivate systematic studies on when and how hardware noise benefits QRC readouts.
• Abstract（参考訳）: 量子貯水池コンピューティング(QRC)は、時間学習に対するハードウェアフレンドリーなアプローチを提供するが、ほとんどの研究は単変量信号をターゲットにしており、短期的なハードウェア制約を見落としている。 本研究は,多変量時系列(MTS-QRC)のためのゲートベースQRCを導入し,インジェクションとメモリキュービットをペアリングし,現在のデバイス接続性と深さに最適化されたトロッタライズ近辺の逆場Ising進化を利用する。 Lorenz-63 と ENSO では,それぞれ0.0087 と 0.0036 の平均二乗誤差(MSE)を達成し,ローレンツの古典的貯水池計算に匹敵する性能を示した。 IBM Heron R2では、MTS-QRCは現実的な深さで精度を保ち、興味深いことに、ENSO上のノイズレスシミュレータよりも優れている。 これらの知見は, NISQ ハードウェア上での MTS 予測のためのゲートベース QRC の実用性をサポートし, ハードウェアノイズが QRC の読み出しに与える影響について, 系統的研究を動機づけるものである。

関連論文リスト

• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• Practical Quantum Reservoir Computing in Rydberg Atom Arrays [0.40078827278053847]
  量子貯水池コンピューティング(QRC)は、短期的な量子プラットフォームのための有望な量子機械学習フレームワークである。 本稿では,Rydberg 原子配列上に実装されたシングルステップQRC (SS-QRC) とマルチステップQRC (MS-QRC) アーキテクチャの比較数値解析を行った。 我々は,MS-QRCの性能が物質と脱コヒーレンスの基礎となる動的位相に非常に敏感であるのに対し,SS-QRCはより堅牢であることを示した。
  論文  参考訳（メタデータ） (2026-01-31T08:56:31Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Domain-Aware Quantum Circuit for QML [0.7999703756441755]
  本稿では,局所性保存符号化と絡み合いを導出するために,画像先行情報を利用したドメイン対応量子回路(DAQC)を提案する。 設計ではインターリーブされたエンコード-トレインサイクルを採用しており、隣接するピクセルをホストするキュービット間で絡み合いがデバイス接続に合わせて適用される。 MNIST, FashionMentangle, PneumoniaMNISTデータセット上でDAQCを評価する。
  論文  参考訳（メタデータ） (2025-12-19T17:02:58Z)
• Quantum Kernel Methods: Convergence Theory, Separation Bounds and Applications to Marketing Analytics [0.22940141855172033]
  本研究は、NISQ体制における実際の消費者分類タスクに量子カーネル法を適用することの実現可能性について研究する。 量子カーネル支援ベクトルマシン(Q-SVM)と量子特徴抽出モジュール(QFE)を組み合わせたハイブリッドパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-11T14:11:41Z)
• Characterizing Scaling Trends of Post-Compilation Circuit Resources for NISQ-era QML Models [1.7023697455258093]
  本研究では,接続制約のあるNISQプロセッサ上での量子機械学習(QML)モデルに対する後コンパイル回路リソースのスケーリング特性について検討する。 プロセッサトポロジ(線形,リング,グリッド,スター)にまたがる量子カーネル法と量子ニューラルネットワークを解析し,SWAPオーバーヘッド,回路深さ,2量子ゲート数に着目した。
  論文  参考訳（メタデータ） (2025-09-15T14:26:24Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• 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)
• Generalization Error Bound for Quantum Machine Learning in NISQ Era -- A Survey [37.69303106863453]
  我々は、NISQ時代における教師付き量子機械学習(QML)の最先端の一般化について、システムマッピング研究(SMS)を実施している。 本研究は,既存の計算プラットフォームを,量子ハードウェア,データセット,最適化手法,文献に見られる境界の共通特性で体系的に要約する。 SMSはまた、NISQ時代のQMLの限界と課題を強調し、分野を前進させる今後の研究の方向性について論じている。
  論文  参考訳（メタデータ） (2024-09-11T21:17:30Z)
• Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics [3.7960472831772765]
  現在のノイズ中間スケール量子(NISQ)時代には、ノイズの存在は量子コンピューティングアルゴリズムの性能を悪化させる。 本稿では,有限サンプリングノイズが量子貯留層計算(QRC)と再帰性のない量子貯留層計算(RF-QRC)のカオス的時系列予測能力に与える影響を解析する。 有限サンプリングノイズはQRCとRF-QRCの両方の予測能力を劣化させるが,ノイズの伝搬によりQRCに悪影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2024-09-02T17:51:48Z)
• Compressed-sensing Lindbladian quantum tomography with trapped ions [44.99833362998488]
  量子システムの力学を特徴づけることは、量子情報プロセッサの開発における中心的な課題である。 従来の欠点を緩和するLindbladian quantum tomography(LQT)の2つの改良点を提案する。
  論文  参考訳（メタデータ） (2024-03-12T09:58:37Z)
• 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)
• Q-fid: Quantum Circuit Fidelity Improvement with LSTM Networks [0.6062751776009752]
  量子回路(QC)の忠実性は、ハードウェア特性、キャリブレーション状態、トランスパイルプロセスなど、いくつかの要因の影響を受けている。 Q-fidは、Long Short-Term Memory (LSTM)ベースの忠実度予測システムであり、量子回路の忠実度を定量化するために設計された新しいメートル法を伴っている。 Q-fidは平均RMSE 0.0515で高い予測精度を達成し、Qiskitトランスパイルツールのマポマティックよりも24.7倍正確である。
  論文  参考訳（メタデータ） (2023-03-30T16:44:12Z)
• Quantum Federated Learning with Entanglement Controlled Circuits and Superposition Coding [44.89303833148191]
  我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。 本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。 画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
  論文  参考訳（メタデータ） (2022-12-04T03:18:03Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)

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。