論文の概要: Beyond Optimization: Harnessing Quantum Annealer Dynamics for Machine Learning

• arxiv url: http://arxiv.org/abs/2601.09938v1
• Date: Wed, 14 Jan 2026 23:49:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:18.921081
• Title: Beyond Optimization: Harnessing Quantum Annealer Dynamics for Machine Learning
• Title（参考訳）: 最適化を超えて - 機械学習のための量子アニールダイナミクスのハーネス化
• Authors: Akitada Sakurai, Aoi Hayashi, Tadayoshi Matumori, Daisuke Kaji, Tadashi Kadowaki, Kae Nemoto,
• Abstract要約: 古典データをイジング・ハミルトニアンにエンコードし、量子アニール上で進化させ、その結果の確率分布を特徴写像として分類するモデルを提案する。 Digitsデータセットを用いた量子アニールマシンの実験は、MNISTのシミュレーションとともに、短いアニール時間がより高い分類精度をもたらす一方で、より長い時間は精度を低下させるがサンプリングコストを低下させることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum annealing is typically regarded as a tool for combinatorial optimization, but its coherent dynamics also offer potential for machine learning. We present a model that encodes classical data into an Ising Hamiltonian, evolves it on a quantum annealer, and uses the resulting probability distributions as feature maps for classification. Experiments on the quantum annealer machine with the Digits dataset, together with simulations on MNIST, demonstrate that short annealing times yield higher classification accuracy, while longer times reduce accuracy but lower sampling costs. We introduce the participation ratio as a measure of the effective model size and show its strong correlation with generalization.
• Abstract（参考訳）: 量子アニールは一般に組合せ最適化のツールとみなされるが、そのコヒーレントなダイナミクスは機械学習の可能性をもたらしている。 古典データをイジング・ハミルトニアンにエンコードし、量子アニール上で進化させ、その結果の確率分布を特徴写像として分類するモデルを提案する。 Digitsデータセットを用いた量子アニールマシンの実験は、MNISTのシミュレーションとともに、短いアニール時間がより高い分類精度をもたらす一方で、より長い時間は精度を低下させるがサンプリングコストを低下させることを示した。 本稿では,有効モデルサイズの尺度として参加率を導入し,その一般化との強い相関を示す。

関連論文リスト

• Entanglement and Classical Simulability in Quantum Extreme Learning Machines [0.0]
  本稿では,古典的エクストリーム学習マシンの量子アナログである量子エクストリーム学習マシン(QELM)について検討する。 我々のアーキテクチャは、(PCAまたはオートエンコーダを介して)次元の減少、量子状態の符号化、XXハミルトニアンの下での進化、および射影測定を組み合わせたものである。 この性能向上は、古典データの埋め込みを改善する絡み合いの開始と相関することを示す。
  論文  参考訳（メタデータ） (2025-09-08T16:43:37Z)
• Harnessing Quantum Dynamics for Robust and Scalable Quantum Extreme Learning Machines [0.9546137427039093]
  テンソルネットワーク法が量子系を効率的にシミュレートし, エンタングルメントを制御し, 指数集中を緩和する方法を示す。 この結果から,量子力学の正確なシミュレーションは強力な機械学習性能には必要ないことが示唆された。
  論文  参考訳（メタデータ） (2025-03-07T16:03:24Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Entanglement-induced provable and robust quantum learning advantages [0.0]
  我々は、ノイズロストで無条件の量子学習の利点を厳格に確立することで前進する。 我々の証明は情報理論であり、この優位性の起源を示唆している。 量子モデルは定資源で訓練可能であり、定騒音に対して頑健であることを示す。
  論文  参考訳（メタデータ） (2024-10-04T02:39:07Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Nonnegative/Binary Matrix Factorization for Image Classification using Quantum Annealing [0.0]
  画像分類のための量子アニールを用いた行列分解法を実装した。 以上の結果から,NAMFで訓練したモデルの精度は,データ量,特徴量,エポックスが小さい場合,従来の機械学習手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-02T06:41:27Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)

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。