論文の概要: Q-Tag: Watermarking Quantum Circuit Generative Models

• arxiv url: http://arxiv.org/abs/2602.23085v1
• Date: Thu, 26 Feb 2026 15:08:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.738461
• Title: Q-Tag: Watermarking Quantum Circuit Generative Models
• Title（参考訳）: Q-Tag:ウォーターマーキング量子回路生成モデル
• Authors: Yang Yang, Yuzhu Long, Han Fang, Zhaoyun Chen, Zhonghui Li, Weiming Zhang, Guoping Guo,
• Abstract要約: デジタル透かしは量子回路を保護するための有望なメカニズムとして研究されてきた。 生成プロセスにオーナシップシグナルを埋め込んだQCGMのための最初の透かしフレームワークを提示する。 提案手法は,摂動範囲にわたる高忠実回路生成とロバストな透かし検出を実現する。
• 参考スコア（独自算出の注目度）: 31.69513813467356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum cloud platforms have become the most widely adopted and mainstream approach for accessing quantum computing resources, due to the scarcity and operational complexity of quantum hardware. In this service-oriented paradigm, quantum circuits, which constitute high-value intellectual property, are exposed to risks of unauthorized access, reuse, and misuse. Digital watermarking has been explored as a promising mechanism for protecting quantum circuits by embedding ownership information for tracing and verification. However, driven by recent advances in generative artificial intelligence, the paradigm of quantum circuit design is shifting from individually and manually constructed circuits to automated synthesis based on quantum circuit generative models (QCGMs). In such generative settings, protecting only individual output circuits is insufficient, and existing post hoc, circuit-centric watermarking methods are not designed to integrate with the generative process, often failing to simultaneously ensure stealthiness, functional correctness, and robustness at scale. These limitations highlight the need for a new watermarking paradigm that is natively integrated with quantum circuit generative models. In this work, we present the first watermarking framework for QCGMs, which embeds ownership signals into the generation process while preserving circuit fidelity. We introduce a symmetric sampling strategy that aligns watermark encoding with the model's Gaussian prior, and a synchronization mechanism that counteracts adversarial watermark attack through latent drift correction. Empirical results confirm that our method achieves high-fidelity circuit generation and robust watermark detection across a range of perturbations, paving the way for scalable, secure copyright protection in AI-powered quantum design.
• Abstract（参考訳）: 量子クラウドプラットフォームは、量子ハードウェアの不足と運用上の複雑さのため、量子コンピューティングリソースへのアクセスにおいて最も広く採用され、主流のアプローチとなっている。 このサービス指向のパラダイムでは、高価値な知的特性を構成する量子回路は、不正アクセス、再利用、誤使用のリスクにさらされる。 電子透かしは、トレースと検証のために所有権情報を埋め込むことによって量子回路を保護するための有望なメカニズムとして研究されてきた。 しかし、生成人工知能の最近の進歩により、量子回路設計のパラダイムは、個別および手動で構築された回路から、量子回路生成モデル(QCGM)に基づく自動合成へとシフトしつつある。 このような生成環境では、個々の出力回路のみを保護することは不十分であり、既存のポストホックでは、回路中心の透かし方式は生成プロセスと統合するように設計されていない。 これらの制限は、量子回路生成モデルとネイティブに統合された新しい透かしパラダイムの必要性を強調している。 本稿では,QCGMのための最初の透かしフレームワークについて述べる。 本稿では,モデルのガウス先行値と透かしエンコーディングを一致させる対称サンプリング手法と,潜時ドリフト補正による対向型透かし攻撃に対処する同期機構を導入する。 実験により,提案手法は,AIを用いた量子設計において,スケーラブルでセキュアな著作権保護を実現するために,様々な摂動領域にわたる高忠実な回路生成とロバストな透かし検出を実現することを確認した。

関連論文リスト

• Investigating Quantum Circuit Designs Using Neuro-Evolution [2.9631016562930537]
  本稿では,量子回路の自動設計とトレーニングへの進化的アプローチを提案する。 提案手法は,ハードウェアおよびノイズ制約を尊重しながら,ゲートタイプ,キュービット接続,パラメータ化,回路深さを探索する。 予備的な結果は、分類タスクで進化した回路が90%以上の精度を達成できることを示している。
  論文  参考訳（メタデータ） (2026-02-03T18:57:39Z)
• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• FlowQ-Net: A Generative Framework for Automated Quantum Circuit Design [8.70817825961863]
  自動量子回路合成のための生成フレームワークであるtextscFlowQ-Net(Flow-based Quantum Design Network)を紹介する。 このフレームワークは、回路を順次構築するポリシーを学習し、それらをフレキシブルなユーザ定義報酬関数にサンプリングする。 シミュレーションにより,textscFlowQ-Netの有効性を実証する。
  論文  参考訳（メタデータ） (2025-10-30T16:57:13Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Q-Fusion: Diffusing Quantum Circuits [2.348041867134616]
  本稿では、新しい量子回路を生成するためにLayerDAGフレームワークを利用する拡散型アルゴリズムを提案する。 本結果は,提案モデルが100%有効な量子回路出力を連続的に生成することを示す。
  論文  参考訳（メタデータ） (2025-04-29T14:10:10Z)
• Multi-Stage Watermarking for Quantum Circuits [15.592314567937159]
  特定の問題に対処するために設計された量子回路は、量子コンピューティング企業にとって重要な知的特性(IP)として登場した。 本稿では,量子回路のための革新的なマルチステージ透かし方式を提案する。
  論文  参考訳（メタデータ） (2024-04-28T00:52:38Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• 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)

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。