論文の概要: Quantum Super-resolution by Adaptive Non-local Observables

• arxiv url: http://arxiv.org/abs/2601.14433v1
• Date: Tue, 20 Jan 2026 19:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.135595
• Title: Quantum Super-resolution by Adaptive Non-local Observables
• Title（参考訳）: 適応型非局所観測器による量子超解像
• Authors: Hsin-Yi Lin, Huan-Hsin Tseng, Samuel Yen-Chi Chen, Shinjae Yoo,
• Abstract要約: 超解像(SR)は、低分解能(LR)観測から高分解能(HR)データを再構成しようとする。 本稿では,emphAdaptive Non-Local Observable (ANO)測定を用いた変分量子回路(VQC)に基づくフレームワークを提案する。 ANOはトレーニング可能なマルチキュービットエルミート観測器を導入し、トレーニング中に測定プロセスが適応できるようにする。 実験により、ANO-VQCは比較的小さなモデルサイズで最大5倍の高分解能が得られることが示された。
• 参考スコア（独自算出の注目度）: 34.914387170069844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Super-resolution (SR) seeks to reconstruct high-resolution (HR) data from low-resolution (LR) observations. Classical deep learning methods have advanced SR substantially, but require increasingly deeper networks, large datasets, and heavy computation to capture fine-grained correlations. In this work, we present the \emph{first study} to investigate quantum circuits for SR. We propose a framework based on Variational Quantum Circuits (VQCs) with \emph{Adaptive Non-Local Observable} (ANO) measurements. Unlike conventional VQCs with fixed Pauli readouts, ANO introduces trainable multi-qubit Hermitian observables, allowing the measurement process to adapt during training. This design leverages the high-dimensional Hilbert space of quantum systems and the representational structure provided by entanglement and superposition. Experiments demonstrate that ANO-VQCs achieve up to five-fold higher resolution with a relatively small model size, suggesting a promising new direction at the intersection of quantum machine learning and super-resolution.
• Abstract（参考訳）: 超解像(SR)は、低分解能(LR)観測から高分解能(HR)データを再構成しようとする。 古典的なディープラーニング手法はSRを大幅に進歩させたが、より深いネットワーク、大きなデータセット、そしてより詳細な相関を捉えるために重い計算を必要とする。 本研究では,SR の量子回路を解析するために,emph{first study} を提案する。 本稿では,変分量子回路(VQC)に基づくフレームワークを提案する。 固定されたパウリの読み出しを持つ従来のVQCとは異なり、ANOはトレーニング可能なマルチキュービットヘルミチアン観測器を導入し、トレーニング中に測定プロセスが適応できるようにする。 この設計は、量子系の高次元ヒルベルト空間と、絡み合いと重ね合わせによって提供される表現構造を利用する。 実験により、ANO-VQCは比較的小さなモデルサイズで最大5倍の高解像度を実現しており、量子機械学習と超高解像度の交差において有望な新しい方向が示唆されている。

関連論文リスト

• Quantum Reinforcement Learning by Adaptive Non-local Observables [10.617463958884528]
  可変量子回路(VQC)における適応的非局所観測可能(ANO)パラダイムを導入する。 ANO-VQCアーキテクチャは、Deep Q-Network (DQN) と Asynchronous Advantage Actor-Critic (A3C) アルゴリズムの関数近似器として機能する。 この結果から,適応型マルチキュービットオブザーバブルは,強化学習における実用的な量子アドバンテージを実現することができることが示された。
  論文  参考訳（メタデータ） (2025-07-25T18:57:16Z)
• Solving the Hubbard model with Neural Quantum States [66.55653324211542]
  ダッピングされた2次元ハバードモデルに対する最先端結果について検討した。 NQSアンサッツの異なるアテンションヘッドは、異なるスケールで直接相関を符号化することができる。 我々の研究は、マルチフェミオンシステムに挑戦する強力なツールとしてNQSを確立します。
  論文  参考訳（メタデータ） (2025-07-03T14:08:25Z)
• 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)
• Adaptive Non-local Observable on Quantum Neural Networks [10.617463958884528]
  量子回路のための適応的非局所測定フレームワークを提案する。 ハイゼンベルク像に着想を得て、VQC回転の最適化は観測可能な空間における軌道の追跡と一致することを示す。 非局所観測器と変分回転を適切に組み込むことで、量子ビット相互作用と情報混合が促進されることが示されている。
  論文  参考訳（メタデータ） (2025-04-18T02:20:12Z)
• Enhancing Quantum Diffusion Models with Pairwise Bell State Entanglement [35.436358464279785]
  本稿では、ノイズ中間スケール量子(NISQ)デバイス向けに設計された新しい量子拡散モデルを提案する。 量子絡み合いと重ね合わせを利用して、このアプローチは量子生成学習を前進させる。
  論文  参考訳（メタデータ） (2024-11-24T20:14:57Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。