論文の概要: Quantum Machine Unlearning: Foundations, Mechanisms, and Taxonomy
- arxiv url: http://arxiv.org/abs/2511.00406v1
- Date: Sat, 01 Nov 2025 05:11:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.758019
- Title: Quantum Machine Unlearning: Foundations, Mechanisms, and Taxonomy
- Title（参考訳）: 量子機械の学習 - 基礎、メカニズム、分類学
- Authors: Thanveer Shaik, Xiaohui Tao, Haoran Xie, Robert Sang,
- Abstract要約: 量子マシン・アンラーニングは、計算と信頼できる人工知能をプライバシ保存する量子情報理論の交差において、基礎的な課題として浮上している。
本稿では、検証可能なパラダイム内で、物理的制約のアルゴリズム機構と倫理的ガバナンスを統一する形式的な枠組みを確立することにより、QMUを推し進める。
- 参考スコア（独自算出の注目度）: 9.347709392900502
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum Machine Unlearning has emerged as a foundational challenge at the intersection of quantum information theory privacypreserving computation and trustworthy artificial intelligence This paper advances QMU by establishing a formal framework that unifies physical constraints algorithmic mechanisms and ethical governance within a verifiable paradigm We define forgetting as a contraction of distinguishability between pre and postunlearning models under completely positive trace-preserving dynamics grounding data removal in the physics of quantum irreversibility Building on this foundation we present a fiveaxis taxonomy spanning scope guarantees mechanisms system context and hardware realization linking theoretical constructs to implementable strategies Within this structure we incorporate influence and quantum Fisher information weighted updates parameter reinitialization and kernel alignment as practical mechanisms compatible with noisy intermediatescale quantum NISQ devices The framework extends naturally to federated and privacyaware settings via quantum differential privacy homomorphic encryption and verifiable delegation enabling scalable auditable deletion across distributed quantum systems Beyond technical design we outline a forwardlooking research roadmap emphasizing formal proofs of forgetting scalable and secure architectures postunlearning interpretability and ethically auditable governance Together these contributions elevate QMU from a conceptual notion to a rigorously defined and ethically aligned discipline bridging physical feasibility algorithmic verifiability and societal accountability in the emerging era of quantum intelligence.
- Abstract（参考訳）: 量子機械 アンラーニングは、量子情報理論の交差点において基礎的な課題として現れており、計算と信頼性のある人工知能のプライバシー保持 物理制約を統一する形式的枠組みを確立し、検証可能なパラダイム内でのアルゴリズム機構と倫理的ガバナンスを確立することで、QMUを推進している。我々は、完全に正のトレーサビリティの物理学における事前学習モデルと後学習モデルの区別可能性の収縮として、忘れを定義 量子不可逆性の物理学において、データの除去を基礎とする5軸分類法を提示する。
関連論文リスト
- QuantumShield: Multilayer Fortification for Quantum Federated Learning [7.283533791778357]
本稿では,分散学習システムを量子対応敵の脅威から守るために設計された量子セキュアフェデレーション学習(QFL)フレームワークを提案する。
我々は、QFLプロセスを古典的および量子的脅威の両方に対して強化するために、先進的な量子および後量子プロトコルを統合し、厳格に評価する。
論文 参考訳（メタデータ） (2025-10-27T02:59:33Z) - The Goldilocks zone of governing technology: Leveraging uncertainty for responsible quantum practices [1.779948689352186]
本稿では,ガバナンスの責任から生成力への不確実性を再考する。
量子技術の進化に中心的な、物理的、技術的、社会的な不確実性の3つの相互依存層を同定する。
量子システムの確率論的本質に沿ったガバナンスの新しいモデルを提案する。
論文 参考訳（メタデータ） (2025-07-17T09:51:06Z) - 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) - Algorithmic Idealism III: "Algorithmic State" Formulation of Quantum Mechanics [0.0]
この研究はアルゴリズム的理想論(英語版)を導入し、量子力学をアルゴリズム的確率情報の単純さとユーティリティ最適化によって支配される計算過程として再解釈する。
本稿では,この枠組みに触発された量子力学の集合を示し,その数学的意味を詳細に説明する。
論文 参考訳（メタデータ） (2025-01-20T06:47:14Z) - Quantum Generative Adversarial Networks: Bridging Classical and Quantum
Realms [0.6827423171182153]
GAN(Generative Adversarial Networks)領域における古典的および量子コンピューティングパラダイムの相乗的融合について検討する。
我々の目的は、量子計算要素を従来のGANアーキテクチャにシームレスに統合し、トレーニングプロセスの強化のために新しい経路を開放することである。
この研究は量子化機械学習の最前線に位置し、量子システムの計算能力を活用するための重要な一歩である。
論文 参考訳（メタデータ） (2023-12-15T16:51:36Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Measuring the integrated information of a quantum mechanism [0.0]
統合情報理論はもともと意識論として考え出された。
意識の理論としてのIITが、ミクロ物理学の理論としての量子力学と相容れないかどうかはまだ定かではない。
論文 参考訳（メタデータ） (2023-01-04T22:27:36Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z)
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。