論文の概要: Quantum Generator Kernels

• arxiv url: http://arxiv.org/abs/2602.00361v1
• Date: Fri, 30 Jan 2026 22:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.13632
• Title: Quantum Generator Kernels
• Title（参考訳）: 量子ジェネレータ
• Authors: Philipp Altmann, Maximilian Mansky, Maximilian Zorn, Jonas Stein, Claudia Linnhoff-Popien,
• Abstract要約: 本稿では,量子カーネルに共通生成器をパラメータ化可能な演算子にマージする変分発生器群(VGG)の集合を含むジェネレータベースの量子カーネルアプローチを提案する。 我々の経験的結果は、最先端の量子および古典的カーネルアプローチと比較して、QGKのプロジェクションと分類能力が優れていることを示している。
• 参考スコア（独自算出の注目度）: 3.609036258672038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum kernel methods offer significant theoretical benefits by rendering classically inseparable features separable in quantum space. Yet, the practical application of Quantum Machine Learning (QML), currently constrained by the limitations of Noisy Intermediate-Scale Quantum (NISQ) hardware, necessitates effective strategies to compress and embed large-scale real-world data like images into the constrained capacities of existing quantum devices or simulators. To this end, we propose Quantum Generator Kernels (QGKs), a generator-based approach to quantum kernels, comprising a set of Variational Generator Groups (VGGs) that merge universal generators into a parameterizable operator, ensuring scalable coverage of the available quantum space. Thereby, we address shortcomings of current leading strategies employing hybrid architectures, which might prevent exploiting quantum computing's full potential due to fixed intermediate embedding processes. To optimize the kernel alignment to the target domain, we train a weight vector to parameterize the projection of the VGGs in the current data context. Our empirical results demonstrate superior projection and classification capabilities of the QGK compared to state-of-the-art quantum and classical kernel approaches and show its potential to serve as a versatile framework for various QML applications.
• Abstract（参考訳）: 量子カーネル法は、古典的に分離不能な特徴を量子空間で分離可能とすることで、重要な理論的利点をもたらす。 しかし、現在、ノイズ中間スケール量子(NISQ)ハードウェアの制限によって制約されている量子機械学習(QML)の実践的応用は、画像のような大規模な現実世界データを既存の量子デバイスやシミュレータの制約された容量に圧縮し埋め込む効果的な戦略を必要としている。 そこで本研究では,量子カーネルに対するジェネレータベースのアプローチである量子ジェネレータ(Quantum Generator Kernels, QGKs)を提案し,汎用ジェネレータをパラメータ化可能な演算子にマージし,利用可能な量子空間のスケーラブルなカバレッジを確保する。 これにより、固定された中間埋め込みプロセスによる量子コンピューティングの潜在能力を活用できないような、ハイブリッドアーキテクチャを用いた現在の先導戦略の欠点に対処する。 カーネルアライメントを目標領域に最適化するために、現在のデータコンテキストにおけるVGGのプロジェクションをパラメータ化するために重みベクトルを訓練する。 我々の経験的結果は、最先端の量子および古典的カーネルアプローチと比較してQGKのプロジェクションと分類能力に優れており、様々なQMLアプリケーションのための汎用的なフレームワークとして機能する可能性を示している。

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)
• Quantum Data Encoding and Variational Algorithms: A Framework for Hybrid Quantum Classical Machine Learning [0.0]
  量子機械学習(QML)は、量子力学の計算フレームワークと古典的な機械学習の適応特性を統合する。 この記事では、古典的なデータパイプラインと量子アルゴリズムの接続を可能にする広範なアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-17T16:04:04Z)
• A Unified Framework for Trace-induced Quantum Kernels [0.0]
  量子カーネル法は、特定の機械学習タスクに対して実用的な量子優位性を達成するための有望な候補である。 この研究では、すべてのトレース誘起量子カーネルを共通のフレームワークに結合する。 局所的に投影されたカーネルに基づくモデルが,グローバルな忠実度量子カーネルに匹敵する性能を達成できることを数値的に示す。
  論文  参考訳（メタデータ） (2023-11-22T17:50:00Z)
• Several fitness functions and entanglement gates in quantum kernel generation [3.6953740776904924]
  量子力学の基本的な概念である絡み合いは、量子コンピューティングにおいて中心的な役割を果たす。 多目的遺伝的アルゴリズムを用いて量子カーネル特徴写像における絡み合いゲートの最適個数について検討する。 我々の発見は、量子機械学習アルゴリズムの効率性と精度を高めるための貴重なガイダンスを提供する。
  論文  参考訳（メタデータ） (2023-08-22T18:35:51Z)
• On-the-fly Tailoring towards a Rational Ansatz Design for Digital Quantum Simulations [0.0]
  量子デバイスで物理的に実現可能な低深さ量子回路を開発することが不可欠である。 我々は,最適なアンサッツを動的に調整できるアンサッツ構成プロトコルを開発した。 アンザッツの構成は、エネルギーソートと演算子の可換性事前スクリーニングによって並列量子アーキテクチャで実行される可能性がある。
  論文  参考訳（メタデータ） (2023-02-07T11:22:01Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• 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)
• Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
  高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。 本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。 特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
  論文  参考訳（メタデータ） (2020-10-14T14:33:34Z)
• 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)

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。