論文の概要: Spectral Phase Encoding for Quantum Kernel Methods

• arxiv url: http://arxiv.org/abs/2602.19644v1
• Date: Mon, 23 Feb 2026 09:42:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.756518
• Title: Spectral Phase Encoding for Quantum Kernel Methods
• Title（参考訳）: 量子カーネル法におけるスペクトル位相符号化
• Authors: Pablo Herrero Gómez, Antonio Jimeno Morenilla, David Muñoz-Hernández, Higinio Mora Mora,
• Abstract要約: 我々は、制御された付加雑音推定の下で量子的特徴構造がどのように劣化するかを分析する。 スペクトル位相について紹介する。 SPEは、離散フーリエ変換(DFT)フロントエンドと対角位相のみの埋め込みを、対角量子写像の幾何学に整合させたハイブリッドコンストラクトである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum kernel methods are promising for near-term quantum ma- chine learning, yet their behavior under data corruption remains insuf- ficiently understood. We analyze how quantum feature constructions degrade under controlled additive noise. We introduce Spectral Phase Encoding (SPE), a hybrid construc- tion combining a discrete Fourier transform (DFT) front-end with a diagonal phase-only embedding aligned with the geometry of diagonal quantum maps. Within a unified framework, we compare QK-DFT against alternative quantum variants (QK-PCA, QK-RP) and classi- cal SVM baselines under identical clean-data hyperparameter selection, quantifying robustness via dataset fixed-effects regression with wild cluster bootstrap inference across heterogeneous real-world datasets. Across the quantum family, DFT-based preprocessing yields the smallest degradation rate as noise increases, with statistically sup- ported slope differences relative to PCA and RP. Compared to classical baselines, QK-DFT shows degradation comparable to linear SVM and more stable than RBF SVM under matched tuning. Hardware exper- iments confirm that SPE remains executable and numerically stable for overlap estimation. These results indicate that robustness in quan- tum kernels depends critically on structure-aligned preprocessing and its interaction with diagonal embeddings, supporting a robustness-first perspective for NISQ-era quantum machine learning.
• Abstract（参考訳）: 量子カーネル法は、短期的な量子マシーン学習には有望だが、データ破損時の振る舞いは、いまだに理解されていない。 制御付加雑音下での量子的特徴構造の劣化について解析する。 本稿では、離散フーリエ変換(DFT)と対角相のみ埋め込みを組み合わせたハイブリッドコンストラクタであるスペクトル位相符号化(SPE)を導入する。 統一されたフレームワーク内では、QK-DFTと他の量子変種(QK-PCA、QK-RP)およびクラスi-cal SVMベースラインを同一のクリーンデータハイパーパラメータ選択で比較し、異種実世界のデータセットをまたいだワイルドクラスタブートストラップ推論によるデータセット固定効果回帰によるロバスト性を定量化する。 量子系全体では、DFTに基づく前処理はノイズの増加に伴って最小の劣化率となり、PCAとRPに対して統計的に上向きの勾配差が生じる。 古典的ベースラインと比較して、QK-DFTは線形SVMに匹敵する劣化を示し、一致したチューニングの下でRBF SVMよりも安定である。 ハードウェアのエクスペ-イメントは、SPEが実行可能であり、オーバーラップ推定のために数値的に安定であることを確認する。 これらの結果から、クォーンタムカーネルのロバスト性は、構造整列前処理と対角線埋め込みとの相互作用に大きく依存し、NISQ時代の量子機械学習におけるロバスト性第一の視点を支持することが示唆された。

関連論文リスト

• Designing quantum technologies with a quantum computer [1.4951795042951048]
  一般電子スピン共鳴ハミルトニアンを用いたデバイスシミュレーションのための量子コンピュータ支援フレームワークを開発した。 このモデルでは、グレーエンコードされたqudit-to-qubitマッピング、qubit-wise commutingアグリゲーション、およびマルチ参照選択量子クリロフ高速フォワードアルゴリズムを組み合わせる。 数値シミュレーションはマイクロ波吸収スペクトルとともに$sim100$nsまでの自己相関関数の計算を実証する。 本フレームワークを古典シミュレーションに対してベンチマークし,ハードウェアコストの固定精度を規定する主要な要因として,sQKFFにおける参照状態の選択を同定する。
  論文  参考訳（メタデータ） (2026-01-29T18:26:54Z)
• Quantum Phase Transitions in the Transverse-Field Ising Model: A Comparative Study of Exact, Variational, and Hardware-Based Approaches [0.0]
  本稿では,一次元逆場イジングモデルの基底状態特性と量子臨界ダイナミクスについて検討する。 我々は4つのスピンからなる格子に焦点を合わせ、そこで基底状態エネルギー、磁気秩序パラメータ、相関関数を計算する。 浅変分回路の基底状態エネルギーは、パラメータ空間全体の回路によって確実に捕捉される。
  論文  参考訳（メタデータ） (2026-01-24T16:26:15Z)
• 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)
• A Collisional Model Approach to Quantum Phase Sensitivity [0.0]
  量子フィッシャー情報(QFI)に1量子ビット$H,varphi,H$ゲートシーケンスで符号化された相対位相情報を反映する 本研究では,1量子ビット$H,varphi,H$ゲートシーケンスで符号化された相対位相情報が,雑音の動的条件下で量子フィッシャー情報(QFI)にどのように反映されるかを検討する。
  論文  参考訳（メタデータ） (2025-09-20T17:28:22Z)
• Cyclic Variational Quantum Eigensolver: Escaping Barren Plateaus through Staircase Descent [4.517663944296433]
  本稿では, 高精度な基底状態量子シミュレーションのためのハードウェア効率のよいフレームワークであるCVQEを紹介する。 CVQEは測定駆動フィードバックサイクルを組み込むことで従来のVQEから離脱する。 CVQEは, 相関系間の化学精度を一貫して維持し, 固定されたUCCSDを数桁の精度で上回り, 良好な精度とコストのトレードオフを実現することを示す。
  論文  参考訳（メタデータ） (2025-09-16T13:54:03Z)
• 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)
• 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)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Transmon platform for quantum computing challenged by chaotic fluctuations [55.41644538483948]
  現在の量子プロセッサに関連するシステムパラメータに対する多体ローカライズド(MBL)位相の変動の安定性について検討する。 これらのコンピューティングプラットフォームは、制御不能なカオス的変動のフェーズに危険なほど近いことが分かりました。
  論文  参考訳（メタデータ） (2020-12-10T19:00:03Z)

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。