論文の概要: WTHaar-Net: a Hybrid Quantum-Classical Approach

• arxiv url: http://arxiv.org/abs/2603.02497v1
• Date: Tue, 03 Mar 2026 00:58:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.590653
• Title: WTHaar-Net: a Hybrid Quantum-Classical Approach
• Title（参考訳）: WTHaar-Net:ハイブリッド量子古典的アプローチ
• Authors: Vittorio Palladino, Tsai Idden, Ahmet Enis Cetin,
• Abstract要約: 本稿では,Adamard Transformに代わる畳み込みニューラルネットワークWTHaar-Netを紹介する。 我々は、HWTが構造化アダマールゲートを用いた量子化を認め、一元演算への分解を可能にすることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Convolutional neural networks rely on linear filtering operations that can be reformulated efficiently in suitable transform domains. At the same time, advances in quantum computing have shown that certain structured linear transforms can be implemented with shallow quantum circuits, opening the door to hybrid quantum-classical approaches for enhancing deep learning models. In this work, we introduce WTHaar-Net, a convolutional neural network that replaces the Hadamard Transform used in prior hybrid architectures with the Haar Wavelet Transform (HWT). Unlike the Hadamard Transform, the Haar transform provides spatially localized, multi-resolution representations that align more closely with the inductive biases of vision tasks. We show that the HWT admits a quantum realization using structured Hadamard gates, enabling its decomposition into unitary operations suitable for quantum circuits. Experiments on CIFAR-10 and Tiny-ImageNet demonstrate that WTHaar-Net achieves substantial parameter reduction while maintaining competitive accuracy. On Tiny-ImageNet, our approach outperforms both ResNet and Hadamard-based baselines. We validate the quantum implementation on IBM Quantum cloud hardware, demonstrating compatibility with near-term quantum devices.
• Abstract（参考訳）: 畳み込みニューラルネットワークは、適切な変換領域で効率的に再構成できる線形フィルタリング演算に依存している。 同時に、量子コンピューティングの進歩により、ある種の構造化線形変換が浅い量子回路で実装できることが示され、ディープラーニングモデルを強化するためのハイブリッド量子古典的アプローチへの扉が開かれた。 本研究では,従来のハイブリッドアーキテクチャで使用されているHadamard TransformをHWT(Haar Wavelet Transform)に置き換えた畳み込みニューラルネットワークWTHaar-Netを紹介する。 アダマール変換とは異なり、ハール変換は空間的局所化と多分解能表現を提供し、視覚タスクの帰納的バイアスとより密接に一致する。 我々は,HWTが構造化アダマールゲートを用いた量子化を認め,量子回路に適したユニタリ演算への分解を可能にすることを示す。 CIFAR-10とTiny-ImageNetの実験では、WTHaar-Netは、競合精度を維持しながらかなりのパラメータ削減を実現している。 Tiny-ImageNetでは、我々のアプローチはResNetとHadamardベースのベースラインよりも優れています。 我々は、IBM Quantumクラウドハードウェア上での量子実装を検証し、短期量子デバイスとの互換性を実証する。

関連論文リスト

• Quantum Adaptive Excitation Network with Variational Quantum Circuits for Channel Attention [0.2812395851874055]
  量子適応励起ネットワーク(QAE-Net)について紹介する。 QAE-Netは、畳み込みニューラルネットワーク(CNN)におけるチャネルアテンションメカニズムを強化するために設計されたハイブリッド量子古典フレームワークである。
  論文  参考訳（メタデータ） (2025-07-15T11:40:37Z)
• 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)
• Genetic Transformer-Assisted Quantum Neural Networks for Optimal Circuit Design [3.6953740776904924]
  我々はGTQNN(Genematic Transformer Assisted Quantum Neural Networks)を紹介する。 GTQNNは、トランスフォーマーエンコーダと浅い変動量子回路を組み合わせたハイブリッド学習フレームワークである。 4つのベンチマークの実験では、GTQNNは最先端の量子モデルの状態と一致するか超えている。
  論文  参考訳（メタデータ） (2025-06-10T19:49:21Z)
• Quantum parallel information exchange (QPIE) hybrid network with transfer learning [18.43273756128771]
  量子機械学習(QML)は、複雑なパターンを明らかにする可能性のある革新的なフレームワークとして登場した。 量子並列情報交換(QPIE)ハイブリッドネットワークを導入する。 量子処理ユニットにパラメータシフトルールを適用する動的勾配選択法を開発した。
  論文  参考訳（メタデータ） (2025-04-05T17:25:26Z)
• Quantum Adaptive Self-Attention for Quantum Transformer Models [0.0]
  本稿では,量子アテンション機構を備えた古典的トランスフォーマーモデルを強化するハイブリッドアーキテクチャであるQuantum Adaptive Self-Attention (QASA)を提案する。 QASAはドット積の注意をパラメータ化量子回路(PQC)に置き換え、量子ヒルベルト空間におけるトークン間の関係を適応的に捉える。 合成時系列タスクの実験により、QASAは標準変圧器と古典的変圧器の双方と比較して、より高速な収束と優れた一般化を実現することが示された。
  論文  参考訳（メタデータ） (2025-04-05T02:52:37Z)
• 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)
• Exploring quantum localization with machine learning [39.58317527488534]
  本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。 提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
  論文  参考訳（メタデータ） (2024-06-01T08:50:26Z)
• Learning with SASQuaTCh: a Novel Variational Quantum Transformer Architecture with Kernel-Based Self-Attention [0.464982780843177]
  本稿では、SASQuaT(Self-Attention Sequential Quantum Transformer Channel)という変分量子回路アーキテクチャを提案する。 提案手法は、単純なゲート演算と多次元量子フーリエ変換を用いたビジョントランスフォーマーネットワークの予測におけるカーネルベース演算子学習の最近の知見を活用する。 提案手法の有効性を検証するため,9量子ビットと少数のパラメータしか持たず,手書き桁のグレースケール画像を高い精度で同時に埋め込み,分類することが可能な画像分類タスクをシミュレーションおよびハードウェアで検討した。
  論文  参考訳（メタデータ） (2024-03-21T18:00:04Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。