論文の概要: Analog Quantum Feature Selection with Neutral-Atom Quantum Processors

• arxiv url: http://arxiv.org/abs/2510.20798v1
• Date: Thu, 23 Oct 2025 17:57:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:18.536008
• Title: Analog Quantum Feature Selection with Neutral-Atom Quantum Processors
• Title（参考訳）: 中性原子量子プロセッサを用いたアナログ量子特徴選択
• Authors: Jose J. Orquin-Marques, Carlos Flores-Garrigos, Alejandro Gomez Cadavid, Anton Simen, Enrique Solano, Narendra N. Hegade, Jose D. Martin-Guerrero, Yolanda Vives-Gilabert,
• Abstract要約: 我々は、中性原子配列を用いたアナログ量子シミュレーションに基づく量子特徴選択(QFS)に対する量子ネイティブなアプローチを提案する。 このプロトコルは、アダルト所得、銀行マーケティング、テルコ・チャーンという3つのベンチマークバイナリ分類データセットのシミュレーションによって評価される。 2-5 つの特徴のコンパクトな部分集合では、アナログ QFS は平均 AUC スコアを 1.5-2.3% 改善し、特徴の数を 75-84% 削減した。
• 参考スコア（独自算出の注目度）: 31.458406135473805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a quantum-native approach to quantum feature selection (QFS) based on analog quantum simulation with neutral atom arrays, adaptable to a variety of academic and industrial applications. In our method, feature relevance-measured via mutual information with the target-is encoded as local detuning amplitudes, while feature redundancy is embedded through distance-dependent van der Waals interactions, constrained by the Rydberg blockade radius. The system is evolved adiabatically toward low-energy configurations, and the resulting measurement bitstrings are used to extract physically consistent subsets of features. The protocol is evaluated through simulations on three benchmark binary classification datasets: Adult Income, Bank Marketing, and Telco Churn. Compared to classical methods such as mutual information ranking and Boruta, combined with XGBoost and Random Forest classifiers, our quantum-computing approach achieves competitive or superior performance. In particular, for compact subsets of 2-5 features, analog QFS improves mean AUC scores by 1.5-2.3% while reducing the number of features by 75-84%, offering interpretable, low-redundancy solutions. These results demonstrate that programmable Rydberg arrays offer a viable platform for intelligent feature selection with practical relevance in machine learning pipelines, capable of transforming computational quantum advantage into industrial quantum usefulness.
• Abstract（参考訳）: 我々は、中性原子配列を用いたアナログ量子シミュレーションに基づいて、量子特徴選択(QFS)に対する量子ネイティブなアプローチを提案する。 本手法では, 距離依存型ファンデルワールス相互作用により特徴の冗長性を埋め込むとともに, 距離依存型ファンデルワールス相互作用により, リドベルク封鎖半径に拘束される。 システムは低エネルギーな構成に進化し、結果として得られる測定ビットストリングを用いて特徴の物理的に一貫した部分集合を抽出する。 このプロトコルは、アダルト所得、銀行マーケティング、テルコ・チャーンという3つのベンチマークバイナリ分類データセットのシミュレーションによって評価される。 XGBoost や Random Forest の分類器と組み合わせた相互情報ランキングや Boruta などの古典的手法と比較して,我々の量子計算手法は競争力や優れた性能を実現している。 特に、2-5の機能のコンパクトなサブセットの場合、アナログQFSは平均AUCスコアを1.5-2.3%改善し、機能の数を75-84%削減し、解釈可能な低冗長性ソリューションを提供する。 これらの結果は、プログラム可能なRydberg配列が、機械学習パイプラインにおける実用的な関連性を備えたインテリジェントな特徴選択のための実行可能なプラットフォームを提供し、計算量子優位性を産業量子有用性に変換することを実証している。

関連論文リスト

• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Quantum Reinforcement Learning by Adaptive Non-local Observables [10.617463958884528]
  可変量子回路(VQC)における適応的非局所観測可能(ANO)パラダイムを導入する。 ANO-VQCアーキテクチャは、Deep Q-Network (DQN) と Asynchronous Advantage Actor-Critic (A3C) アルゴリズムの関数近似器として機能する。 この結果から,適応型マルチキュービットオブザーバブルは,強化学習における実用的な量子アドバンテージを実現することができることが示された。
  論文  参考訳（メタデータ） (2025-07-25T18:57:16Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Quantum SMOTE with Angular Outliers: Redefining Minority Class Handling [1.6590638305972631]
  量子SMOTEV2は、スワップテストと1つのデータセントロイドを中心とした量子回転を用いてデータサンプルを合成する。 実験結果から、中等度SMOTEレベル(30-36%)におけるモデル性能指標の顕著な向上が示された。 この方法はスケーラブルで、コンパクトなスワップテストと低深さ量子回路を利用して、多数の特徴に対応する。
  論文  参考訳（メタデータ） (2025-01-31T10:10:36Z)
• Enhanced feature encoding and classification on distributed quantum hardware [0.0]
  量子支援ベクトルマシン(QSVM)のための新しい特徴マップ最適化手法を提案する。 ノイズの多い量子デバイスにおいて重要な要素である、キュービット接続、ネイティブゲートセット、回路深さなど、バックエンド固有のパラメータを考慮に入れます。 この研究は、各量子処理ユニット(QPU)を同じトポロジを持つ複数のサブユニットに分割して、個別のQSVMインスタンスを実装した。
  論文  参考訳（メタデータ） (2024-12-02T16:14:37Z)
• 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)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。