論文の概要: Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model

• arxiv url: http://arxiv.org/abs/2602.22061v1
• Date: Wed, 25 Feb 2026 16:09:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.899416
• Title: Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model
• Title（参考訳）: カオス量子拡散モデルによる量子データ分布の学習
• Authors: Quoc Hoan Tran, Koki Chinzei, Yasuhiro Endo, Hirotaka Oshima,
• Abstract要約: 本稿では,カオス的ハミルトン時間進化を通じて投影されたアンサンブルを生成するフレームワークを提案する。 この方法は、トレーニング性とロバスト性を改善し、量子生成モデルの適用性を広げる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative models for quantum data pose significant challenges but hold immense potential in fields such as chemoinformatics and quantum physics. Quantum denoising diffusion probabilistic models (QuDDPMs) enable efficient learning of quantum data distributions by progressively scrambling and denoising quantum states; however, existing implementations typically rely on circuit-based random unitary dynamics that can be costly to realize and sensitive to control imperfections, particularly on analog quantum hardware. We propose the chaotic quantum diffusion model, a framework that generates projected ensembles via chaotic Hamiltonian time evolution, providing a flexible and hardware-compatible diffusion mechanism. Requiring only global, time-independent control, our approach substantially reduces implementation overhead across diverse analog quantum platforms while achieving accuracy comparable to QuDDPMs. This method improves trainability and robustness, broadening the applicability of quantum generative modeling.
• Abstract（参考訳）: 量子データの生成モデルは重要な課題を提起するが、化学情報学や量子物理学のような分野において大きな可能性を秘めている。 量子デノナイズ拡散確率モデル(QuDDPM)は、量子状態のスクランブルとデノナイズによって量子データ分布の効率的な学習を可能にするが、既存の実装は一般に回路ベースのランダムなユニタリダイナミクスに依存しており、特にアナログ量子ハードウェアにおいて、不完全性を実現し、制御するのにコストがかかる。 カオス量子拡散モデルを提案する。これは、カオスハミルトン時間進化を通じて投影されたアンサンブルを生成するフレームワークであり、フレキシブルでハードウエア互換な拡散機構を提供する。 提案手法は,グローバルかつ時間に依存しない制御のみを必要とするため,様々なアナログ量子プラットフォームにおける実装オーバーヘッドを大幅に低減し,QuDDPMに匹敵する精度を実現する。 この方法は、トレーニング性とロバスト性を改善し、量子生成モデルの適用性を広げる。

関連論文リスト

• Mitigating Barren plateaus in quantum denoising diffusion probabilistic models [49.90716699848553]
  量子生成モデルは量子重ね合わせと絡み合いを利用して、古典データと量子データの両方の学習効率を向上させる。 QuDDPMは量子生成学習のための有望なフレームワークとして提案されている。 本研究は,QuDDPMにおけるバレンプラトーの出現について,2つの設計状態がデノナイジング過程の入力として用いられることによるものである。 本稿では,Haar分布から一定の距離を保ち,トレーニング性を向上したQuDDPMを提案する。
  論文  参考訳（メタデータ） (2025-12-07T07:01:44Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Mixed-State Quantum Denoising Diffusion Probabilistic Model [0.40964539027092906]
  本稿では,混合状態量子復調拡散確率モデル(MSQuDDPM)を提案する。 MSQuDDPMは、前方拡散過程における脱分極ノイズチャネルとパラメータ化量子回路と、後方除極ステップにおける射影測定を統合する。 量子アンサンブル生成タスクにおけるMSQuDDPMの評価を行い,その性能を実証した。
  論文  参考訳（メタデータ） (2024-11-26T17:20:58Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Generative quantum machine learning via denoising diffusion probabilistic models [17.439525936236166]
  量子データの効率よく学習可能な生成学習を実現するために,QuDDPM(quantum denoising diffusion probabilistic Model)を提案する。 本稿では,量子ノイズモデル,量子多体位相,および量子データの位相構造を学習するQuDDPMの機能を示す。
  論文  参考訳（メタデータ） (2023-10-09T17:03:08Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• 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)

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。