Fugu-MT 論文翻訳(概要): Quantum Combinatorial Reasoning for Large Language Models

論文の概要: Quantum Combinatorial Reasoning for Large Language Models

arxiv url: http://arxiv.org/abs/2510.24509v1
Date: Tue, 28 Oct 2025 15:20:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-29 15:35:37.248649
Title: Quantum Combinatorial Reasoning for Large Language Models
Title（参考訳）: 大規模言語モデルのための量子コンビネータ推論
Authors: Carlos Flores-Garrigos, Gaurav Dev, Michael Falkenthal, Alejandro Gomez Cadavid, Anton Simen, Shubham Kumar, Enrique Solano, Narendra N. Hegade,
Abstract要約: 大規模言語モデル(QCR-LLM)の量子推論を設計・実装する。我々のQCR-LLMは、複数のLCMバックボーンの推論精度を一貫して改善し、o3-highやDeepSeek R1などの推論システムを最大$9,$ppで上回っています。これらの結果は、量子支援推論の初めての実験的証拠であり、ハイブリッド量子古典最適化は、大規模言語モデルにおける推論のコヒーレンス、解釈可能性、持続可能性を高めることができることを示している。
参考スコア（独自算出の注目度）: 34.17011230912033
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We design and implement a quantum combinatorial reasoning framework for large language models (QCR-LLM), integrating a real quantum computer in the hybrid workflow. QCR-LLM reformulates reasoning aggregation as a higher-order unconstrained binary optimization (HUBO) problem. In this sense, reasoning fragments are represented as binary variables and their interactions encode statistical relevance, logical coherence, and semantic redundancy. We tackle the resulting high-order optimization problem both classically, via simulated annealing, and quantumly through the bias-field digitized counterdiabatic quantum optimizer (BF-DCQO) executed on IBM's superconducting digital quantum processors. Experiments on BIG-Bench Extra Hard (BBEH) benchmarks demonstrate that our QCR-LLM consistently improves reasoning accuracy across multiple LLM backbones, surpassing reasoning-native systems such as o3-high and DeepSeek R1 by up to $+9\,$pp. Despite requiring multiple reasoning samples per query, our QCR-LLM remains approximately five times more energy-efficient than o3-high, owing to the low per-token energy footprint of its GPT-4o backbone. These results constitute the first experimental evidence of quantum-assisted reasoning, showing that hybrid quantum-classical optimization can efficiently enhance reasoning coherence, interpretability, and sustainability in large-scale language models. We have opened the doors to the emergence of quantum intelligence, where harder prompts require quantum optimizers at quantum-advantage level.
Abstract（参考訳）: 我々は、大規模言語モデル(QCR-LLM)のための量子組合せ推論フレームワークを設計し、実装し、実際の量子コンピュータをハイブリッドワークフローに統合する。 QCR-LLMは、推論集約を高次非制約バイナリ最適化(HUBO)問題として再構成する。この意味では、推論フラグメントはバイナリ変数として表現され、それらの相互作用は統計的関連性、論理的一貫性、意味的冗長性を符号化する。我々は,IBM の超伝導量子プロセッサ上で実行されるバイアス場ディジタル反断熱量子オプティマイザ (BF-DCQO) を通じて,古典的に,シミュレーションアニールにより,量子的に,高次最適化問題に取り組む。 BIG-Bench Extra Hard (BBEH)ベンチマークの実験により、我々のQCR-LLMは複数のLLMバックボーンでの推論精度を一貫して改善し、o3-highやDeepSeek R1のような推論ネイティブシステムを最大$+9\,$ppで上回った。クエリ毎に複数の推論サンプルを必要とするが、GPT-4oのバックボーンのエネルギーフットプリントが低いため、我々のQCR-LLMは、o3-highの約5倍のエネルギー効率が保たれている。これらの結果は、量子支援推論の初めての実験的証拠であり、ハイブリッド量子古典最適化は、大規模言語モデルにおける推論のコヒーレンス、解釈可能性、持続可能性を高めることができることを示している。量子インテリジェンス(quantum intelligence)の出現への扉を開きました。

関連論文リスト

Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
論文参考訳（メタデータ） (2025-10-07T17:53:02Z)
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)
Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
量子ニューラルネットワークを用いた最大12キュービットハミルトニアンの変分量子固有解法(VQE)と量子位相分類量子ニューラルネットワークを用いた最大12量子ビットハミルトニアンのVQEと量子位相分類を用いた6-18量子ハミルトニアンの基底状態推定手法の数値評価を行った。
論文参考訳（メタデータ） (2025-03-20T17:17:58Z)
Bias-Field Digitized Counterdiabatic Quantum Algorithm for Higher-Order Binary Optimization [35.18016233072556]
組合せ最適化は多くの産業アプリケーションにおいて重要な役割を担っている。本稿では,高次非拘束二元最適化(HUBO)に対処するため,BF-DCQOアルゴリズムを提案する。この結果から,BF-DCQOは,現在および短期量子プロセッサ上での大規模HUBO問題の解決に有効な経路であることが示唆された。
論文参考訳（メタデータ） (2024-09-05T17:38:59Z)
Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文参考訳（メタデータ） (2023-04-04T12:47:35Z)
Hybrid Quantum Classical Simulations [0.0]
量子コンピューティングの2つの主要なハイブリッド応用、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解法(VQE)について報告する。どちらも、古典的な中央処理ユニットと量子処理ユニットの間の漸進的な通信を必要とするため、ハイブリッド量子古典アルゴリズムである。
論文参考訳（メタデータ） (2022-10-06T10:49:15Z)
Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文参考訳（メタデータ） (2021-08-03T17:49:09Z)
Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文参考訳（メタデータ） (2021-03-12T20:58:41Z)
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。