論文の概要: Practical Hybrid Quantum Language Models with Observable Readout on Real Hardware

• arxiv url: http://arxiv.org/abs/2512.12710v1
• Date: Sun, 14 Dec 2025 14:22:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.398451
• Title: Practical Hybrid Quantum Language Models with Observable Readout on Real Hardware
• Title（参考訳）: 実ハードウェア上で観測可能な読み出しが可能なハイブリッド量子言語モデル
• Authors: Stefan Balauca, Ada-Astrid Balauca, Adrian Iftene,
• Abstract要約: 本稿では,ハイブリッド量子言語モデルとして,QRNN(Quantum Recurrent Neural Networks)とQCNN(Quantum Convolutional Neural Networks)を提案する。 我々のアーキテクチャは、ハードウェア最適化パラメトリック量子回路と軽量な古典射影層を組み合わせたものである。 IBM Quantumプロセッサの実験では、回路深さとトレーニング容易性の間の重要なトレードオフが明らかになった。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid quantum-classical models represent a crucial step toward leveraging near-term quantum devices for sequential data processing. We present Quantum Recurrent Neural Networks (QRNNs) and Quantum Convolutional Neural Networks (QCNNs) as hybrid quantum language models, reporting the first empirical demonstration of generative language modeling trained and evaluated end-to-end on real quantum hardware. Our architecture combines hardware-optimized parametric quantum circuits with a lightweight classical projection layer, utilizing a multi-sample SPSA strategy to efficiently train quantum parameters despite hardware noise. To characterize the capabilities of these models, we introduce a synthetic dataset designed to isolate syntactic dependencies in a controlled, low-resource environment. Experiments on IBM Quantum processors reveal the critical trade-offs between circuit depth and trainability, demonstrating that while noise remains a significant factor, observable-based readout enables the successful learning of sequential patterns on NISQ devices. These results establish a rigorous engineering baseline for generative quantum natural language processing, validating the feasibility of training complex sequence models on current quantum hardware.
• Abstract（参考訳）: ハイブリッド量子古典モデルは、シーケンシャルデータ処理に短期量子デバイスを活用するための重要なステップである。 本稿では,ハイブリッド量子言語モデルとして,QRNN(Quantum Recurrent Neural Networks)とQCNN(Quantum Convolutional Neural Networks)を紹介する。 我々のアーキテクチャは、ハードウェア最適化パラメトリック量子回路と軽量な古典射影層を組み合わせ、マルチサンプルSPSA戦略を用いて、ハードウェアノイズにもかかわらず量子パラメータを効率的に訓練する。 これらのモデルの性能を特徴付けるために,制御された低リソース環境における構文依存を分離する合成データセットを提案する。 IBM Quantumプロセッサの実験では、回路深度とトレーニング容易性の間に重要なトレードオフが示され、ノイズは依然として重要な要素であるが、観測可能なベースの読み出しにより、NISQデバイス上でのシーケンシャルパターンの学習が成功できることが示されている。 これらの結果は、生成量子自然言語処理のための厳密なエンジニアリングベースラインを確立し、現在の量子ハードウェア上での複雑なシーケンスモデルのトレーニングの実現可能性を検証する。

関連論文リスト

• 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)
• Differentiable Quantum Architecture Search in Quantum-Enhanced Neural Network Parameter Generation [4.358861563008207]
  量子ニューラルネットワーク(QNN)は、経験的にも理論的にも有望であることを示している。 ハードウェアの欠陥と量子デバイスへの限られたアクセスは、実用的な課題となる。 微分可能最適化を用いた自動解法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T19:01:08Z)
• Quantum Self-Attention Neural Networks for Text Classification [8.975913540662441]
  量子自己アテンションニューラルネットワーク(QSANN)と呼ばれる,新しいシンプルなネットワークアーキテクチャを提案する。 本稿では,量子ニューラルネットワークに自己アテンション機構を導入し,ガウス射影量子自己アテンションを自己アテンションの有感な量子バージョンとして活用する。 提案手法は低レベル量子雑音に対するロバスト性を示し,量子ニューラルネットワークアーキテクチャに対するレジリエンスを示す。
  論文  参考訳（メタデータ） (2022-05-11T16:50:46Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• TensorFlow Quantum: A Software Framework for Quantum Machine Learning [36.75544801185366]
  本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。 本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
  論文  参考訳（メタデータ） (2020-03-06T01:31:43Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。