論文の概要: Multitask Learning for Earth Observation Data Classification with Hybrid Quantum Network

• arxiv url: http://arxiv.org/abs/2601.22195v1
• Date: Thu, 29 Jan 2026 12:16:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:14.989233
• Title: Multitask Learning for Earth Observation Data Classification with Hybrid Quantum Network
• Title（参考訳）: ハイブリッド量子ネットワークを用いた地球観測データ分類のためのマルチタスク学習
• Authors: Fan Fan, Yilei Shi, Tobias Guggemos, Xiao Xiang Zhu,
• Abstract要約: 本稿では,マルチタスク学習を取り入れて効率的なデータ符号化を支援するハイブリッドモデルを提案し,量子畳み込み演算を備えた位置重みモジュールを用いて,分類に有効な特徴を抽出する。 本研究では,モデルの一般化可能性について実験的に検討し,その優位性に寄与する要因について検討した。
• 参考スコア（独自算出の注目度）: 20.21743421869957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning (QML) has gained increasing attention as a potential solution to address the challenges of computation requirements in the future. Earth observation (EO) has entered the era of Big Data, and the computational demands for effectively analyzing large EO data with complex deep learning models have become a bottleneck. Motivated by this, we aim to leverage quantum computing for EO data classification and explore its advantages despite the current limitations of quantum devices. This paper presents a hybrid model that incorporates multitask learning to assist efficient data encoding and employs a location weight module with quantum convolution operations to extract valid features for classification. The validity of our proposed model was evaluated using multiple EO benchmarks. Additionally, we experimentally explored the generalizability of our model and investigated the factors contributing to its advantage, highlighting the potential of QML in EO data analysis.
• Abstract（参考訳）: 量子機械学習(QML)は、将来、計算要求の課題に対処する潜在的なソリューションとして注目を集めている。 地球観測(EO)はビッグデータの時代に入り、複雑なディープラーニングモデルで大規模EOデータを効果的に分析するための計算要求がボトルネックとなっている。 これにより、量子コンピューティングをEOデータ分類に活用し、現在の量子デバイスの限界にもかかわらず、その優位性を探求することを目指している。 本稿では,マルチタスク学習を取り入れて効率的なデータ符号化を支援するハイブリッドモデルを提案し,量子畳み込み演算を備えた位置重みモジュールを用いて,分類に有効な特徴を抽出する。 提案モデルの有効性を複数のEOベンチマークを用いて評価した。 さらに,本モデルの有効性を実験的に検討し,その優位性に寄与する要因について検討し,EOデータ分析におけるQMLの可能性を強調した。

関連論文リスト

• AiDE-Q: Synthetic Labeled Datasets Can Enhance Learning Models for Quantum Property Estimation [83.22330172077308]
  AiDE-Qは高品質な合成ラベル付きデータセットを反復的に生成する。 量子多体系と分子系の多種多様な集合について広範な数値シミュレーションを行う。
  論文  参考訳（メタデータ） (2025-09-30T11:29:14Z)
• Comparing Quantum Machine Learning Approaches in Astrophysical Signal Detection [1.2124551005857038]
  4段階の量子機械学習(QML)ワークフローを提案する。 天体物理学領域におけるガンマ線バースト(GRB)信号検出を中心としたケーススタディにおいて,異なる手法とモデルについて検討した。
  論文  参考訳（メタデータ） (2025-07-14T16:16:58Z)
• Entangled mixed-state datasets generation by quantum machine learning [1.5467284361227343]
  本稿では,絡み合った分類タスクのための混合状態データセットを生成する方法を提案する。 量子エンタングルドデータセットの組み立てをさらに促進し、古典的および量子機械学習の両方で新しいエンタングルメント基準の発見を促す。
  論文  参考訳（メタデータ） (2025-03-09T05:19:20Z)
• Learning Density Functionals from Noisy Quantum Data [0.0]
  ノイズの多い中間スケール量子(NISQ)デバイスは、機械学習(ML)モデルのトレーニングデータを生成するために使用される。 NISQアルゴリズムの典型的なノイズを受ける小さなデータセットからニューラルネットワークMLモデルをうまく一般化できることを示す。 本研究は,NISQデバイスを実用量子シミュレーションに活用するための有望な経路であることを示唆する。
  論文  参考訳（メタデータ） (2024-09-04T17:59:55Z)
• Strategic Data Re-Uploads: A Pathway to Improved Quantum Classification Data Re-Uploading Strategies for Improved Quantum Classifier Performance [0.0]
  古典情報を複数回量子状態に再アップロードすると、量子分類器の精度が向上する。 線形分類パターン(LCP)と非線形分類パターン(NLCP)の2つの分類パターンに対するアプローチを実証する。
  論文  参考訳（メタデータ） (2024-05-15T14:28:00Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• 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)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)

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。