論文の概要: Differentiable Architecture Search for Adversarially Robust Quantum Computer Vision
- arxiv url: http://arxiv.org/abs/2601.18058v1
- Date: Mon, 26 Jan 2026 01:21:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:08.601945
- Title: Differentiable Architecture Search for Adversarially Robust Quantum Computer Vision
- Title（参考訳）: 逆ロバスト量子コンピュータビジョンのための微分可能なアーキテクチャ探索
- Authors: Mohamed Afane, Quanjiang Long, Haoting Shen, Ying Mao, Junaid Farooq, Ying Wang, Juntao Chen,
- Abstract要約: 現在の量子ニューラルネットワークは、対向的摂動とハードウェアノイズの両方に対して極度に敏感である。
本稿では,これらの制約に対処するハイブリッド量子古典微分可能な量子アーキテクチャ探索(DQAS)フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 6.837371200793778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current quantum neural networks suffer from extreme sensitivity to both adversarial perturbations and hardware noise, creating a significant barrier to real-world deployment. Existing robustness techniques typically sacrifice clean accuracy or require prohibitive computational resources. We propose a hybrid quantum-classical Differentiable Quantum Architecture Search (DQAS) framework that addresses these limitations by jointly optimizing circuit structure and robustness through gradient-based methods. Our approach enhances traditional DQAS with a lightweight Classical Noise Layer applied before quantum processing, enabling simultaneous optimization of gate selection and noise parameters. This design preserves the quantum circuit's integrity while introducing trainable perturbations that enhance robustness without compromising standard performance. Experimental validation on MNIST, FashionMNIST, and CIFAR datasets shows consistent improvements in both clean and adversarial accuracy compared to existing quantum architecture search methods. Under various attack scenarios, including Fast Gradient Sign Method (FGSM), Projected Gradient Descent (PGD), Basic Iterative Method (BIM), and Momentum Iterative Method (MIM), and under realistic quantum noise conditions, our hybrid framework maintains superior performance. Testing on actual quantum hardware confirms the practical viability of discovered architectures. These results demonstrate that strategic classical preprocessing combined with differentiable quantum architecture optimization can significantly enhance quantum neural network robustness while maintaining computational efficiency.
- Abstract（参考訳）: 現在の量子ニューラルネットワークは、対向的摂動とハードウェアノイズの両方に対して極度に敏感な状態にあり、現実世界の展開にとって重要な障壁となっている。
既存の堅牢性技術は通常、清潔な正確さを犠牲にするか、禁忌な計算資源を必要とする。
本稿では,回路構造とロバスト性を勾配法により協調的に最適化し,これらの制約に対処するハイブリッド量子古典微分量子アーキテクチャ探索(DQAS)フレームワークを提案する。
提案手法は,量子処理に先立つ軽量な古典雑音層を用いて従来のDQASを強化し,ゲート選択とノイズパラメータの同時最適化を実現する。
この設計は、量子回路の整合性を保ちながら、標準性能を損なうことなく堅牢性を高めるトレーニング可能な摂動を導入する。
MNIST, FashionMNIST, CIFARデータセットに対する実験的検証は, 既存の量子アーキテクチャ探索法と比較して, クリーンかつ逆の精度で一貫した改善が見られた。
FGSM(Fast Gradient Sign Method)、PGD(Projected Gradient Descent)、BIM(Basic Iterative Method)、MIM(Momentum Iterative Method)といった様々な攻撃シナリオ下では、現実的な量子ノイズ条件下では、我々のハイブリッドフレームワークは優れた性能を維持している。
実際の量子ハードウェア上でのテストは、発見されたアーキテクチャの実用性を確認する。
これらの結果は、古典的戦略前処理と微分可能な量子アーキテクチャ最適化を組み合わせることで、計算効率を保ちながら量子ニューラルネットワークの堅牢性を著しく向上できることを示した。
関連論文リスト
- Noise-Aware Quantum Architecture Search Based on NSGA-II Algorithm [6.42663482584159]
変動量子回路設計に基づくノイズ対応量子アーキテクチャ探索(NA-QAS)フレームワークを提案する。
評価コストを最適化するハイブリッドなハミルトンの$varepsilon$-greedy戦略を導入する。
拡張された可変深度NSGA-IIアルゴリズムを用いて探索空間をナビゲートする。
論文 参考訳（メタデータ） (2026-01-16T03:11:34Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - 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) - Resource-Efficient Hadamard Test Circuits for Nonlinear Dynamics on a Trapped-Ion Quantum Computer [1.2063443893298391]
本稿では,Adamardテスト回路の低深さ実装を提案する。
我々は変分アルゴリズムに特化してパラメータ化量子アンサッツを開発した。
以上の結果より,シングルビットゲート数と2ビットゲート数が有意に減少した。
論文 参考訳（メタデータ） (2025-07-25T13:16:54Z) - 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) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。
本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-05-24T02:51:34Z) - 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) - Untrained Filtering with Trained Focusing for Superior Quantum Architecture Search [14.288836269941207]
量子アーキテクチャサーチ(QAS)は、量子機械学習における根本的な課題である。
探索過程を粗大かつきめ細かい知識学習の動的交互フェーズに分解する。
QUEST-Aは,多段階の知識伝達を促進するために,知識蓄積と再利用を伴う進化的メカニズムを開発する。
論文 参考訳（メタデータ） (2024-10-31T01:57:14Z) - Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。
本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-17T12:09:11Z)
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。