Fugu-MT 論文翻訳(概要): Quantum AS-DeepOnet: Quantum Attentive Stacked DeepONet for Solving 2D Evolution Equations

論文の概要: Quantum AS-DeepOnet: Quantum Attentive Stacked DeepONet for Solving 2D Evolution Equations

arxiv url: http://arxiv.org/abs/2603.02261v1
Date: Sat, 28 Feb 2026 07:07:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-04 21:38:10.476824
Title: Quantum AS-DeepOnet: Quantum Attentive Stacked DeepONet for Solving 2D Evolution Equations
Title（参考訳）: 量子AS-DeepOnet:2次元進化方程式を解くための量子減衰重積DeepONet
Authors: Hongquan Wang, Hanshu Chen, Ilia Marchevsky, Zhuojia Fu,
Abstract要約: DeepONetは、様々な初期条件やソース用語にまたがる、トレーニング不要な推論を可能にする。本稿では、2次元進化方程式を解くのに適したハイブリッド量子演算子ネットワーク(Quantum AS-DeepOnet)を提案する。
参考スコア（独自算出の注目度）: 0.8839672650868139
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: DeepONet enables retraining-free inference across varying initial conditions or source terms at the cost of high computational requirements. This paper proposes a hybrid quantum operator network (Quantum AS-DeepOnet) suitable for solving 2D evolution equations. By combining Parameterized Quantum Circuits and cross-subnet attention methods, we can solve 2D evolution equations using only 60% of the trainable parameters while maintaining accuracy and convergence comparable to the classical DeepONet method.
Abstract（参考訳）: DeepONetは、様々な初期条件やソース用語を高い計算要求を犠牲にして、トレーニング不要な推論を可能にする。本稿では、2次元進化方程式を解くのに適したハイブリッド量子演算子ネットワーク(Quantum AS-DeepOnet)を提案する。パラメータ化量子回路とクロスサブネットアテンション法を組み合わせることで、古典的なDeepONet法に匹敵する精度と収束性を維持しつつ、トレーニング可能なパラメータの60%だけを用いて2次元進化方程式を解くことができる。

関連論文リスト

Optimizing two-dimensional isometric tensor networks with quantum computers [0.5437050212139087]
本稿では,2次元量子システムの基底状態を近似するハイブリッド量子古典アルゴリズムを提案する。密度行列再正規化群に着想を得て、一連の有効ハミルトニアンを対角化することでテンソルを逐次最適化する。提案手法は, 2次元(2次元)逆場イジングモデルを用いて, 量子オーバーヘッドを極小に抑えた25量子ビットの基底状態最適化を実現する。
論文参考訳（メタデータ） (2025-11-17T19:00:03Z)
Quantum Random Feature Method for Solving Partial Differential Equations [36.58357595906332]
量子コンピューティングは、古典的な手法よりも指数的なスピードアップの可能性を秘めているため、科学計算の可能性を秘めている。本研究では,数値解析とニューラル解析の両方の利点を利用する量子ランダム法(QRFM)を提案する。
論文参考訳（メタデータ） (2025-10-09T08:42:09Z)
Variational Quantum Subspace Construction via Symmetry-Preserving Cost Functions [36.94429692322632]
低次エネルギー状態の抽出のための削減部分空間を反復的に構築するために,対称性保存コスト関数に基づく変動戦略を提案する。概念実証として, 基底状態エネルギーと電荷ギャップの両方を対象とし, 提案アルゴリズムをH4鎖とリング上で検証した。
論文参考訳（メタデータ） (2024-11-25T20:33:47Z)
Quantum DeepONet: Neural operators accelerated by quantum computing [1.4918461320598675]
本稿では,DeepONet評価の高速化に量子コンピューティングを活用することを提案する。我々は,反微分演算子,対流方程式,バーガース方程式など,様々なPDEを用いて量子DeepONetをベンチマークする。
論文参考訳（メタデータ） (2024-09-24T02:53:42Z)
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)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文参考訳（メタデータ） (2023-02-28T07:36:02Z)
Quantum HyperNetworks: Training Binary Neural Networks in Quantum Superposition [13.931463943383413]
量子コンピュータ上でバイナリニューラルネットワークをトレーニングするメカニズムとして量子ハイパーネットを導入する。提案手法は, 最適パラメータ, ハイパーパラメータ, アーキテクチャ選択を, 分類問題に対する高い確率で効果的に発見できることを示す。私たちの統合されたアプローチは、機械学習の分野における他のアプリケーションにとって大きなスコープを提供します。
論文参考訳（メタデータ） (2023-01-19T20:06:48Z)
Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
論文参考訳（メタデータ） (2021-07-05T03:20:54Z)
Quantum Algorithms for Solving Ordinary Differential Equations via Classical Integration Methods [1.802439717192088]
微分方程式を解くために,量子コンピュータの利用について検討する。我々は、対応するデジタル量子回路を考案し、シミュレーションし、6$mathrmth$order Gauss-Legendreコロケーション法を実装し、実行する。将来有望なシナリオとして、デジタル算術法は、逆問題に対する量子探索アルゴリズムの「オークル」として使用できる。
論文参考訳（メタデータ） (2020-12-17T09:49:35Z)
Solving Quantum Master Equations with Deep Quantum Neural Networks [0.0]
我々は、オープンな量子多体系の混合状態を表現するために、普遍的な量子計算が可能なディープ量子フィードフォワードニューラルネットワークを使用する。量子ネットワークの特別な構造を所有するこのアプローチは、バレン高原の欠如など、多くの注目すべき特徴を享受している。
論文参考訳（メタデータ） (2020-08-12T18:00:08Z)

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。