論文の概要: Quantum Fourier Transform Based Kernel for Solar Irrandiance Forecasting

• arxiv url: http://arxiv.org/abs/2511.17698v1
• Date: Fri, 21 Nov 2025 18:36:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.373143
• Title: Quantum Fourier Transform Based Kernel for Solar Irrandiance Forecasting
• Title（参考訳）: 太陽照度予測のための量子フーリエ変換に基づくカーネル
• Authors: Nawfel Mechiche-Alami, Eduardo Rodriguez, Jose M. Cardemil, Enrique Lopez Droguett,
• Abstract要約: 本研究では,短期時系列予測のための量子フーリエ変換(QFT)を用いた量子カーネルを提案する。 それぞれの信号はウィンドウ化され、振幅エンコードされ、QFTによって変換され、その後保護回転層を通過してQFT/QFT隣接キャンセルを回避する。 外因性予測子は、凸的に融合した特徴特異的カーネルによって組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study proposes a Quantum Fourier Transform (QFT)-enhanced quantum kernel for short-term time-series forecasting. Each signal is windowed, amplitude-encoded, transformed by a QFT, then passed through a protective rotation layer to avoid the QFT/QFT adjoint cancellation; the resulting kernel is used in kernel ridge regression (KRR). Exogenous predictors are incorporated by convexly fusing feature-specific kernels. On multi-station solar irradiance data across Koppen climate classes, the proposed kernel consistently improves median R2 and nRMSE over reference classical RBF and polynomials kernels, while also reducing bias (nMBE); complementary MAE/ERMAX analyses indicate tighter average errors with remaining headroom under sharp transients. For both quantum and classical models, the only tuned quantities are the feature-mixing weights and the KRR ridge alpha; classical hyperparameters (gamma, r, d) are fixed, with the same validation set size for all models. Experiments are conducted on a noiseless simulator (5 qubits; window length L=32). Limitations and ablations are discussed, and paths toward NISQ execution are outlined.
• Abstract（参考訳）: 本研究では,短期時系列予測のための量子フーリエ変換(QFT)を用いた量子カーネルを提案する。 それぞれの信号はウィンドウ化され、振幅エンコードされ、QFTによって変換され、その後、QFT/QFTのアジョイントキャンセルを避けるために保護回転層を通過し、結果としてのカーネルはカーネルリッジ回帰(KRR)で使用される。 外因性予測子は、凸的に融合した特徴特異的カーネルによって組み込まれている。 コッペン気候のマルチステーション太陽放射データにおいて、提案したカーネルは、基準古典的RBFや多項式カーネルよりも中央値R2とnRMSEを一貫して改善し、バイアス(nMBE)も低減する。 量子モデルと古典モデルの両方において、調整された量だけが特徴混合重みとKRRリッジアルファであり、古典的ハイパーパラメータ(ガンマ、r、d)はすべてのモデルに対して同じ検証セットサイズで固定されている。 ノイズレスシミュレータ(5キュービット、ウィンドウ長L=32)で実験を行う。 制限と廃止について議論し、NISQ実行への道筋を概説する。

関連論文リスト

• Spectral Bias Mitigation via xLSTM-PINN: Memory-Gated Representation Refinement for Physics-Informed Learning [6.546212906401042]
  我々は、スペクトルバイアスを抑制し、外挿を強化するために、表現レベルのスペクトルリモデリングxLSTM-PINNを導入する。 4つのベンチマークで、ゲート型クロススケールメモリ、ステージ付き周波数カリキュラム、適応型残差再重み付けを統合した。 ベースラインPINNと比較して、MSE、RMSE、MAE、MaxAEを4つのベンチマークで削減し、よりクリーンな境界遷移を提供する。
  論文  参考訳（メタデータ） (2025-11-16T08:55:27Z)
• Universality and kernel-adaptive training for classically trained, quantum-deployed generative models [7.192684088403013]
  ビットストリング上の有望な量子生成モデルとして、IQP量子回路Born Machine (QCBM) が提案されている。 近年の研究では、IQP-QCBMのトレーニングは古典的には、ガウスカーネル最大平均誤差(MMD)損失関数(英語版)のように、牽引可能であることが示されている。 カーネル適応法では、MDD値の収束はジェネレータの分布の弱収束を意味することを示す。
  論文  参考訳（メタデータ） (2025-10-09T17:17:34Z)
• The GINN framework: a stochastic QED correspondence for stability and chaos in deep neural networks [0.0]
  我々は、ディープニューラルネットワーク(DNN)と量子電磁力学(QED)をマッピングするユークリッド場理論アプローチを開発する。 神経活性化と重みはフェルミオン性物質とゲージ場によって表される。 標準多層パーセプトロンの数値シミュレーションにより理論的予測を検証する。
  論文  参考訳（メタデータ） (2025-08-26T11:41:11Z)
• Kernel-based dequantization of variational QML without Random Fourier Features [0.3277163122167433]
  回帰問題に対する変分QMLモデルの定式化に向けた最近の提案には、慎重に選択されたカーネル関数を持つカーネルメソッドに基づくアプローチが含まれる。 我々は、広範囲のインスタンスに対して、このアプローチを単純化できることを示します。 この結果により,カーネルベースの変分QMLの定式化のためのツールキットが強化された。
  論文  参考訳（メタデータ） (2025-03-31T10:26:16Z)
• KPZ scaling from the Krylov space [83.88591755871734]
  近年,Cardar-Parisi-Zhangスケーリングをリアルタイムの相関器や自動相関器に示す超拡散が報告されている。 これらの結果から着想を得て,Krylov演算子に基づく相関関数のKPZスケーリングについて検討する。
  論文  参考訳（メタデータ） (2024-06-04T20:57:59Z)
• Variance-Reducing Couplings for Random Features [57.73648780299374]
  ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。 ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。 パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
  論文  参考訳（メタデータ） (2024-05-26T12:25:09Z)
• Simplex Random Features [53.97976744884616]
  ソフトマックスおよびガウスカーネルの非バイアス近似のための新しいランダム特徴(RF)機構であるSimplex Random Features (SimRFs)を提案する。 我々は,これらのカーネルの非バイアス推定値に対して,SimRFが最小平均二乗誤差(MSE)を提供することを示す。 ポイントワイドカーネル推定,非パラメトリック分類,スケーラブルトランスフォーマーなどの設定において,SimRFによる一貫したゲインを示す。
  論文  参考訳（メタデータ） (2023-01-31T18:53:39Z)
• A kernel-based quantum random forest for improved classification [0.0]
  従来の古典的学習手法を強化する量子機械学習(QML)は、その実現に様々な制限がある。 量子カーネル推定(QKE)によって計算されるカーネル関数で線形量子支援ベクトルマシン(QSVM)を拡張する。 オーバーフィッティングを制限するため、カーネル行列に低ランクNystr"om近似を適用するようモデルをさらに拡張する。
  論文  参考訳（メタデータ） (2022-10-05T15:57:31Z)
• Structural aspects of FRG in quantum tunnelling computations [68.8204255655161]
  一次元の4次元高調波発振器とダブルウェルポテンシャルの両方を探索する。 ポテンシャルV_k(varphi)と波動関数再正規化Z_k(varphi)の2つの偏微分方程式について検討した。
  論文  参考訳（メタデータ） (2022-06-14T15:23:25Z)
• Hybrid Random Features [60.116392415715275]
  ハイブリッドランダム特徴(HRF)と呼ばれるソフトマックスとガウス核の線形化のための新しいランダム特徴法を提案する。 HRFは、カーネル推定の品質を自動的に適応し、定義された関心領域の最も正確な近似を提供する。
  論文  参考訳（メタデータ） (2021-10-08T20:22:59Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)

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。