論文の概要: Embedded Quantum Machine Learning in Embedded Systems: Feasibility, Hybrid Architectures, and Quantum Co-Processors
- arxiv url: http://arxiv.org/abs/2603.12540v1
- Date: Fri, 13 Mar 2026 00:48:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-16 17:38:11.823978
- Title: Embedded Quantum Machine Learning in Embedded Systems: Feasibility, Hybrid Architectures, and Quantum Co-Processors
- Title（参考訳）: 組み込みシステムにおける組み込み量子機械学習:実現可能性、ハイブリッドアーキテクチャ、量子コプロセッサ
- Authors: Somdip Dey, Syed Muhammad Raza,
- Abstract要約: 組み込み量子機械学習(EQML)は、IoTノードやウェアラブル、ドローン、サイバー物理コントローラといったリソース制約のあるエッジプラットフォームに、量子機械学習機能を提供することを目指している。
2026年、EQMLは限定的で非常に実験的な形でのみ技術的に実現可能である。
- 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: Embedded quantum machine learning (EQML) seeks to bring quantum machine learning (QML) capabilities to resource-constrained edge platforms such as IoT nodes, wearables, drones, and cyber-physical controllers. In 2026, EQML is technically feasible only in limited and highly experimental forms: (i) hybrid workflows where an embedded device performs sensing and classical processing while offloading a narrowly scoped quantum subroutine to a remote quantum processing unit (QPU) or nearby quantum appliance, and (ii) early-stage "embedded QPU" concepts in which a compact quantum co-processor is integrated with classical control hardware. A practical bridge is quantum-inspired machine learning and optimisation on classical embedded processors and FPGAs. This paper analyses feasibility from a circuits-and-systems perspective aligned with the academic community, formalises two implementation pathways, identifies the dominant barriers (latency, data encoding overhead, NISQ noise, tooling mismatch, and energy), and maps them to concrete engineering directions in interface design, control electronics, power management, verification, and security. We also argue that responsible deployment requires adversarial evaluation and governance practices that are increasingly necessary for edge AI systems.
- Abstract（参考訳）: 組み込み量子機械学習(EQML)は、IoTノード、ウェアラブル、ドローン、サイバー物理コントローラなどのリソース制約のあるエッジプラットフォームに量子機械学習(QML)機能を提供する。
2026年、EQMLは技術的には限定的で非常に実験的な形でのみ実現可能である。
一 狭い範囲の量子サブルーチンを遠隔量子処理ユニット(QPU)又は周辺量子装置にオフロードしながら、組込み装置がセンシング及び古典的な処理を行うハイブリッドワークフロー
(II) 量子コプロセッサを古典的な制御ハードウェアに統合する早期の「組込みQPU」の概念。
実用的なブリッジは量子インスパイアされた機械学習であり、古典的な組み込みプロセッサやFPGA上での最適化である。
本稿では,学術コミュニティと整合した回路・システムの観点から実現可能性を分析し,2つの実装経路を定式化し,支配的障壁(レイテンシ,データ符号化オーバーヘッド,NISQノイズ,ツーリングミスマッチ,エネルギー)を特定し,インターフェース設計,制御エレクトロニクス,電力管理,検証,セキュリティの具体的な工学的方向性にマップする。
また、責任あるデプロイメントには、エッジAIシステムにますます必要となる敵評価とガバナンスのプラクティスが必要です。
関連論文リスト
- Quantum-enhanced Computer Vision: Going Beyond Classical Algorithms [50.573955644831386]
QeCV(Quantum-enhanced Computer Vision)は、コンピュータビジョン、機械学習、量子コンピューティングの交差点における新しい研究分野である。
量子コンピューティングの助けを借りて、視覚信号の処理や解釈の仕方を変える可能性が高い。
本調査はQeCVに関する既存の文献に貢献し,本研究分野の総合的なレビューを行った。
論文 参考訳（メタデータ） (2025-10-08T17:59:51Z) - Towards System-Level Quantum-Accelerator Integration [3.4486179803947254]
本稿では,量子加速器と処理ユニットを周辺システムコンポーネントとして扱う垂直統合量子システムアーキテクチャを提案する。
中心となる要素は、オペレーティングシステムのカーネルレベルでの量子抽象層(QAL)である。
本稿では,QEMUに基づく仮想QPUモデルを含む,このような統合アーキテクチャに向けた最初の結果を示す。
論文 参考訳（メタデータ） (2025-07-25T12:30:42Z) - 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) - Hardware-level Interfaces for Hybrid Quantum-Classical Computing Systems [0.4697760524661718]
ハイブリッド量子古典計算システムは、QCの本当の可能性を解き明かす上では、単純でも標準化でもない。
本研究は、効率的なハイブリッド量子古典演算を実現するハードウェアアプローチに焦点を当てる。
論文 参考訳（メタデータ） (2025-03-24T16:43:42Z) - Bridging Paradigms: Designing for HPC-Quantum Convergence [0.9360388224886863]
本稿では,現在の中間スケール量子デバイスと将来のフォールトトレラント量子コンピュータの両方をサポートするハードウェア非依存のソフトウェアフレームワークを提案する。
アーキテクチャには、量子ゲートウェイインターフェース、リソース管理のための標準化されたAPI、堅牢なスケジューリングメカニズムが含まれている。
主なイノベーションは、(1)量子および古典的なリソースを効率的にコーディネートする統一されたリソース管理システム、(2)ハードウェア固有の詳細を抽象化する柔軟な量子プログラミングインタフェース、(4)量子回路最適化と実行のための包括的なツールチェーンである。
論文 参考訳（メタデータ） (2025-03-03T18:18:45Z) - Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。
本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文 参考訳（メタデータ） (2024-11-14T12:27:50Z) - Multi-GPU-Enabled Hybrid Quantum-Classical Workflow in Quantum-HPC Middleware: Applications in Quantum Simulations [1.9922905420195367]
本研究では,革新的な分散型量子古典量子アーキテクチャを提案する。
最先端の量子ソフトウェアフレームワークを高性能な古典コンピューティングリソースと統合する。
物質と凝縮物質物理学の量子シミュレーションにおける課題に対処する。
論文 参考訳（メタデータ） (2024-03-09T07:38:45Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z)
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。