論文の概要: Quantum Attention by Overlap Interference: Predicting Sequences from Classical and Many-Body Quantum Data

• arxiv url: http://arxiv.org/abs/2602.06699v1
• Date: Fri, 06 Feb 2026 13:37:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.41072
• Title: Quantum Attention by Overlap Interference: Predicting Sequences from Classical and Many-Body Quantum Data
• Title（参考訳）: オーバーラップ干渉による量子注意:古典的および多体的量子データからのシーケンス予測
• Authors: Alessio Pecilli, Matteo Rosati,
• Abstract要約: 本稿では,変圧器と大規模言語モデルにおけるコア操作である自己注意(QSA)の変分量子実装を提案する。 我々のQSAは状態重複の干渉によって要求される非線形性を認識し、Renyi-1/2クロスエントロピー損失を返す。 そこで本研究では,QSAに基づく量子トランスフォーマーを用いて,古典的データおよび多体逆場Ising量子軌道上のシーケンス予測を学習した。
• 参考スコア（独自算出の注目度）: 0.43975210726133745
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We propose a variational quantum implementation of self-attention (QSA), the core operation in transformers and large language models, which predicts future elements of a sequence by forming overlap-weighted combinations of past data. At variance with previous approaches, our QSA realizes the required nonlinearity through interference of state overlaps and returns a Renyi-1/2 cross-entropy loss directly as the expectation value of an observable, avoiding the need to decode amplitude-encoded predictions into classical logits. Furthermore, QSA naturally accommodates a constrained, trainable data-embedding that ties quantum state overlaps to data-level similarities. We find a gate complexity dominant scaling O(T d^2) for QSA, versus O(T^2 d) classically, suggesting an advantage in the practical regime where the sequence length T dominates the embedding size d. In simulations, we show that our QSA-based quantum transformer learns sequence prediction on classical data and on many-body transverse-field Ising quantum trajectories, establishing trainable attention as a practical primitive for quantum dynamical modeling.
• Abstract（参考訳）: 変換器と大規模言語モデルにおけるコア操作である自己注意(QSA)の変分量子実装を提案し,過去のデータの重なり重なり合わさった組み合わせによってシーケンスの将来の要素を予測する。 従来の手法との相違により, 状態重なりの干渉により要求される非線形性を実現し, 観測値としてRenyi-1/2クロスエントロピー損失を直接返却し, 振幅符号化された予測を古典ロジットに復号する必要がない。 さらに、QSAは自然に、量子状態がデータレベルの類似性と重なり合う制約付き、トレーニング可能なデータ埋め込みに対応している。 QSA のゲート複雑性は O(T d^2) に対して古典的には O(T^2 d) に対して支配的であり、配列長 T が埋め込みサイズ d を支配している現実的な状態において有利であることを示す。 シミュレーションでは,QSAに基づく量子トランスフォーマーが古典的データと多体横フィールドIsing量子軌道のシーケンス予測を学習し,量子力学モデリングの実用的なプリミティブとしてトレーニング可能な注意を確立する。

関連論文リスト

• 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)
• Digitized Counterdiabatic Quantum Feature Extraction [35.670314643295036]
  そこで本研究では,ハミルトニアンの局所多体スピンのダイナミクスを用いて,複素特徴量を生成するハミルトン型量子特徴抽出法を提案する。 分子毒性分類と画像認識を含む高次元実世界のデータセットに対するアプローチを評価する。 その結果、量子的特徴抽出と古典的特徴抽出を組み合わせることで、さまざまな機械学習タスク間で一貫した改善が得られることが示唆された。
  論文  参考訳（メタデータ） (2025-10-15T17:59:35Z)
• 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)
• First-Order Phase Transition of the Schwinger Model with a Quantum Computer [0.0]
  格子シュウィンガーモデルにおける一階位相遷移を位相的$theta$-termの存在下で検討する。 本研究では, モデルの位相構造を明らかにする観測可能な電場密度と粒子数が, 量子ハードウェアから確実に得られることを示す。
  論文  参考訳（メタデータ） (2023-12-20T08:27:49Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Quantum phase transition dynamics in the two-dimensional transverse-field Ising model [0.0]
  量子キブル・ズレーク機構(QKZM)は量子相転移(QPT)の近くでの普遍的動的挙動を予測する 近代的最先端数値法の連成によるパラダイムIsingモデルにおけるQPTの動的交叉について検討する。 また、強磁性状態にさらに踏み込むと、QKZM予測からの偏差が現れることに留意する。
  論文  参考訳（メタデータ） (2021-06-16T18:00:04Z)
• Quantum Statistical Complexity Measure as a Signalling of Correlation Transitions [55.41644538483948]
  本稿では, 量子情報理論の文脈において, 統計的複雑性尺度の量子バージョンを導入し, 量子次数-次数遷移のシグナル伝達関数として利用する。 我々はこの測度を2つの正確に解けるハミルトンモデル、すなわち1D$量子イジングモデルとハイゼンベルクXXZスピン-1/2$チェーンに適用する。 また、考察されたモデルに対して、この測度を1量子および2量子の還元状態に対して計算し、その挙動を有限系のサイズと熱力学的限界に対して解析する。
  論文  参考訳（メタデータ） (2020-02-05T00:45:21Z)

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。