論文の概要: Kaiwu-PyTorch-Plugin: Bridging Deep Learning and Photonic Quantum Computing for Energy-Based Models and Active Sample Selection
- arxiv url: http://arxiv.org/abs/2602.19114v1
- Date: Sun, 22 Feb 2026 10:11:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.487175
- Title: Kaiwu-PyTorch-Plugin: Bridging Deep Learning and Photonic Quantum Computing for Energy-Based Models and Active Sample Selection
- Title（参考訳）: Kaiwu-PyTorch-Plugin:エネルギーモデルとアクティブサンプル選択のための深層学習とフォトニック量子コンピューティング
- Authors: Hongdong Zhu, Qi Gao, Yin Ma, Shaobo Chen, Haixu Liu, Fengao Wang, Tinglan Wang, Chang Wu, Kai Wen,
- Abstract要約: KPPはCoherent Ising MachineをPyTorchエコシステムに統合し、エネルギーベースモデルにおける古典的な非効率性に対処する。
シングルセルとOpenWebTextデータセットの実証的な結果は、KPPがSOTAのパフォーマンスを達成する能力を示している。
- 参考スコア（独自算出の注目度）: 2.457313466595706
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces the Kaiwu-PyTorch-Plugin (KPP) to bridge Deep Learning and Photonic Quantum Computing across multiple dimensions. KPP integrates the Coherent Ising Machine into the PyTorch ecosystem, addressing classical inefficiencies in Energy-Based Models. The framework facilitates quantum integration in three key aspects: accelerating Boltzmann sampling, optimizing training data via Active Sampling, and constructing hybrid architectures like QBM-VAE and Q-Diffusion. Empirical results on single-cell and OpenWebText datasets demonstrate KPPs ability to achieve SOTA performance, validating a comprehensive quantum-classical paradigm.
- Abstract（参考訳）: 本稿では,深層学習とフォトニック量子コンピューティングを多次元に橋渡しするカイウー・ポルチ・プルギン(KPP)を紹介する。
KPPはCoherent Ising MachineをPyTorchエコシステムに統合し、エネルギーベースモデルにおける古典的な非効率性に対処する。
このフレームワークは、ボルツマンサンプリングの高速化、アクティブサンプリングによるトレーニングデータの最適化、QBM-VAEやQ-Diffusionのようなハイブリッドアーキテクチャの構築という3つの重要な側面で量子統合を促進する。
シングルセルおよびOpenWebTextデータセットの実証結果は、KPPがSOTA性能を達成する能力を示し、包括的な量子古典パラダイムを検証している。
関連論文リスト
- Quantum Extreme Reservoir Computing for Phase Classification of Polymer Alloy Microstructures [0.0]
自己整合体場理論(SCFT)を用いた高分子合金の分類に量子極端貯水池計算(QERC)を適用した。
その結果、現実的な材料データセット上でのQERC性能を示し、量子エンコーダの設計とモデル一般化のための実用的なガイドラインを提案する。
論文 参考訳（メタデータ） (2026-01-05T14:25:51Z) - QMetric: Benchmarking Quantum Neural Networks Across Circuits, Features, and Training Dimensions [0.0]
本稿では,量子回路の表現性を評価するための解釈可能なメトリクスセットを提供するPythonパッケージQMetricを紹介する。
QMetricは、回路の忠実度、絡み合いエントロピー、バレンプラトーリスク、トレーニング安定性などの重要な側面を定量化する。
論文 参考訳（メタデータ） (2025-06-30T12:12:01Z) - A Survey of Quantum Transformers: Architectures, Challenges and Outlooks [82.4736481748099]
量子変換器は古典変換器の表現力と量子コンピューティングの計算上の利点を統合する。
2022年以降、この地域の研究は急速に拡大し、様々な技術パラダイムや初期の応用がもたらされた。
本稿では,量子トランスモデルの包括的,体系的,詳細な調査を行う。
論文 参考訳（メタデータ） (2025-04-04T05:40:18Z) - Quantum Pointwise Convolution: A Flexible and Scalable Approach for Neural Network Enhancement [0.0]
本稿では,量子ニューラルネットワークフレームワークにポイントワイズ畳み込みを組み込んだ新しいアーキテクチャを提案する。
量子回路を用いてデータを高次元空間にマッピングし、より複雑な特徴関係を捉える。
実験では、FashionMNISTとCIFAR10データセットの分類タスクに量子ポイントワイズ畳み込み層を適用した。
論文 参考訳（メタデータ） (2024-12-02T08:03:59Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳（メタデータ） (2023-03-27T22:48:28Z) - 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) - When BERT Meets Quantum Temporal Convolution Learning for Text
Classification in Heterogeneous Computing [75.75419308975746]
本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。
目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
論文 参考訳（メタデータ） (2022-02-17T09:55:21Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。
本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文 参考訳（メタデータ） (2021-04-30T21:34:11Z)
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。