論文の概要: Pulsed learning for quantum data re-uploading models

• arxiv url: http://arxiv.org/abs/2512.10670v1
• Date: Thu, 11 Dec 2025 14:16:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.403749
• Title: Pulsed learning for quantum data re-uploading models
• Title（参考訳）: 量子データ再アップロードモデルのためのパルス学習
• Authors: Ignacio B. Acedo, Pablo Rodriguez-Grasa, Pablo Garcia-Azorin, Javier Gonzalez-Conde,
• Abstract要約: 我々は、トレーニング可能なパラメータを直接ネイティブシステムのダイナミクスに埋め込む、パルスベースのデータ再ロードの変種を定式化する。 我々は,現実的なノイズプロファイルを持つシミュレーション型超伝導トランスモンプロセッサについて,我々のアプローチをベンチマークした。 パルスベースのモデルはゲートベースのモデルよりも一貫して優れており、高いテスト精度と一般化が向上している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While Quantum Machine Learning (QML) holds great potential, its practical realization on Noisy Intermediate-Scale Quantum (NISQ) hardware has been hindered by the limitations of variational quantum circuits (VQCs). Recent evidence suggests that VQCs suffer from severe trainability and noise-related issues, leading to growing skepticism about their long-term viability. However, the possibility of implementing learning models directly at the pulse-control level remains comparatively unexplored and could offer a promising alternative. In this work, we formulate a pulse-based variant of data re-uploading, embedding trainable parameters directly into the native system's dynamics. We benchmark our approach on a simulated superconducting transmon processor with realistic noise profiles. The pulse-based model consistently outperforms its gate-based counterpart, exhibiting higher test accuracy and improved generalization under equivalent noise conditions. Moreover, by systematically increasing noise strength, we show that pulse-level implementations retain higher fidelity for longer, demonstrating enhanced resilience to decoherence and control errors. These results suggest that pulse-native architectures, though less explored, may offer a viable and hardware-aligned path forward for practical QML in the NISQ era.
• Abstract（参考訳）: 量子機械学習(QML)は大きな可能性を秘めているが、ノイズ中間スケール量子(NISQ)ハードウェアの実用化は変分量子回路(VQC)の限界によって妨げられている。 最近の証拠は、VQCが厳しい訓練性や騒音に関連した問題に悩まされ、長期的な生存性に対する懐疑論が高まることを示唆している。 しかし、パルス制御レベルで直接学習モデルを実装する可能性は比較的未解明であり、有望な代替手段を提供する可能性がある。 本研究では、トレーニング可能なパラメータを直接ネイティブシステムのダイナミクスに埋め込む、パルスベースのデータ再ロードの変種を定式化する。 我々は,現実的なノイズプロファイルを持つシミュレーション型超伝導トランスモンプロセッサについて,我々のアプローチをベンチマークした。 パルスベースモデルはゲートベースモデルよりも一貫して優れており、テスト精度が向上し、等価ノイズ条件下での一般化が向上している。 さらに, ノイズ強度を体系的に増大させることにより, パルスレベルの実装はより高忠実度を長く保ち, 脱コヒーレンスや制御誤差に対する耐性を高めることを示す。 これらの結果は、パルスネイティブアーキテクチャは、あまり検討されていないが、NISQ時代の実用的なQMLのために、実用的でハードウェアに整合したパスを提供する可能性があることを示唆している。

関連論文リスト

• On the Design of Expressive and Trainable Pulse-based Quantum Machine Learning Models [3.2601866746957437]
  パルスベースの量子機械学習(QML)は、量子人工知能の新しいパラダイムとして登場した。 実用的な用途では、パルスベースのモデルは表現力と訓練性の両方を必要とする。 本稿では、トレーニング性を維持しつつ、パルスベースのQMLモデルを表現するための要件について検討する。
  論文  参考訳（メタデータ） (2025-08-07T16:40:09Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• 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)
• Unleashing the Expressive Power of Pulse-Based Quantum Neural Networks [0.46085106405479537]
  ノイズ中間スケール量子(NISQ)デバイスに基づく量子機械学習(QML)は、限られた量子リソースの最適利用に依存している。 ゲートベースのQMLモデルは、ソフトウェアエンジニアにとってユーザフレンドリーである。 パルスベースのモデルにより、"無限に"深い量子ニューラルネットワークを同時に構築することができる。
  論文  参考訳（メタデータ） (2024-02-05T10:47:46Z)
• Variational Quantum Pulse Learning [28.040754288931897]
  本稿では,学習タスクに量子パルスを直接学習するための新しいパラダイムである変分量子パルス(VQP)を提案する。 VQPは、最適化フレームワークにおいて、パルスの振幅を引いて押すことで変動量子パルスを操作する。 我々は,NISQ(ノイズ中間量子)コンピュータにおけるノイズに対する頑健性を維持している。
  論文  参考訳（メタデータ） (2022-03-31T17:58:13Z)
• Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
  我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。 これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。 シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
  論文  参考訳（メタデータ） (2021-05-20T17:06:52Z)
• 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)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。