論文の概要: QuCoWE Quantum Contrastive Word Embeddings with Variational Circuits for NearTerm Quantum Devices

• arxiv url: http://arxiv.org/abs/2511.10179v1
• Date: Fri, 14 Nov 2025 01:37:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.732191
• Title: QuCoWE Quantum Contrastive Word Embeddings with Variational Circuits for NearTerm Quantum Devices
• Title（参考訳）: 量子デバイス用変分回路を用いたQuCoWE量子コントラスト語埋め込み
• Authors: Rabimba Karanjai, Hemanth Hegadehalli Madhavarao, Lei Xu, Weidong Shi,
• Abstract要約: ハードウェア効率の低いパラメータ化量子回路PQCを対照的なスキップグラムで学習することにより、量子ネイティブな単語埋め込みを学習するフレームワークを提案する。 制御されたリングエンタングルメント類似性を持つデータリロード回路によって単語を符号化し、量子状態フィデリティを介して計算し、ロジットフィデリティヘッドを通過する。
• 参考スコア（独自算出の注目度）: 3.9523001246697813
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present QuCoWE a framework that learns quantumnative word embeddings by training shallow hardwareefficient parameterized quantum circuits PQCs with a contrastive skipgram objective Words are encoded by datareuploading circuits with controlled ring entanglement similarity is computed via quantum state fidelity and passed through a logitfidelity head that aligns scores with the shiftedPMI scale of SGNSNoiseContrastive Estimation To maintain trainability we introduce an entanglementbudget regularizer based on singlequbit purity that mitigates barren plateaus On Text8 and WikiText2 QuCoWE attains competitive intrinsic WordSim353 SimLex999 and extrinsic SST2 TREC6 performance versus 50100d classical baselines while using fewer learned parameters per token All experiments are run in classical simulation we analyze depolarizingreadout noise and include errormitigation hooks zeronoise extrapolation randomized compiling to facilitate hardware deployment
• Abstract（参考訳）: 制御されたリングエンタングルメント類似性を持つデータ再ロード回路により、制御されたリングエンタングルメントを持つ単語を符号化し、量子状態フィリティを介して計算し、SGNSNoiseContrastive EstimationのシフトPMIスケールとスコアを整合するロジティフィリティヘッドを通したQuCoWEを提案する。

関連論文リスト

• Pilot-Wave Simulator: Exact Classical Sampling from Ideal and Noisy Quantum Circuits up to Hundreds of Qubits [1.9573380763700712]
  本稿では,テンソルネットワークの収縮手法をマルコフプロセスに統合する,正確なサンプリングアルゴリズムを提案する。 実演として,最大476量子ビットのQAOA回路からサンプルを生成するという課題を対象としている。
  論文  参考訳（メタデータ） (2025-10-28T09:33:11Z)
• CLAQS: Compact Learnable All-Quantum Token Mixer with Shared-ansatz for Text Classification [25.923244871975058]
  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。
  論文  参考訳（メタデータ） (2025-10-08T00:20:08Z)
• Machine Learning for Quantum Noise Reduction [0.0]
  そこで本研究では,雑音密度行列からクリーンな量子状態を直接再構成する機械学習手法を提案する。 畳み込みニューラルネットワーク(CNN)オートエンコーダアーキテクチャを用いて量子ノイズ低減を教師付き学習問題として定式化する。 以上の結果から,CNNに基づく密度行列再構成は,従来の量子誤り訂正に代わる,有望かつ資源効率のよい代替手段となることが示唆された。
  論文  参考訳（メタデータ） (2025-09-17T00:13:07Z)
• 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)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• 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 Wasserstein Compilation: Unitary Compilation using the Quantum Earth Mover's Distance [2.502222151305252]
  量子回路コンパイル(QCC)は、任意の量子アルゴリズムの実行において重要なコンポーネントである。 次数1の量子ワッセルシュタイン距離に基づく量子ワッセルシュタインコンパイル(QWC)コスト関数と呼ばれるVQCCオブジェクト関数を提案する。 生成逆数ネットワークにおいて、局所的なパウリ可観測値の測定に基づく推定方法を用いて、所定の量子回路を学習する。
  論文  参考訳（メタデータ） (2024-09-09T17:46:40Z)
• 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)

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。