論文の概要: Transcending Classical Neural Network Boundaries: A Quantum-Classical Synergistic Paradigm for Seismic Data Processing

• arxiv url: http://arxiv.org/abs/2603.23984v1
• Date: Wed, 25 Mar 2026 06:27:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.161569
• Title: Transcending Classical Neural Network Boundaries: A Quantum-Classical Synergistic Paradigm for Seismic Data Processing
• Title（参考訳）: 超越する古典的ニューラルネットワーク境界:地震データ処理のための量子古典的シナジスティックパラダイム
• Authors: Zhengyi Yuan, Xintong Dong, Xinyang Wang, Zheng Cong, Shiqi Dong,
• Abstract要約: 本研究では, 地震データ処理のための量子古典的相乗的生成逆ネットワーク (QCGAN) を提案する。 QC-GANでは、高次特徴相関を利用して量子経路を使用し、畳み込み経路は地震波の波形構造を抽出する。 本稿では,QC-GANが複雑な雑音条件下での波動場の連続性と振幅位相情報を保存することを示す。
• 参考スコア（独自算出の注目度）: 4.367206024242795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, a number of neural-network (NN) methods have exhibited good performance in seismic data processing, such as denoising, interpolation, and frequency-band extension. However, these methods rely on stacked perceptrons and standard activation functions, which imposes a bottleneck on the representational capacity of deep-learning models, making it difficult to capture the complex and non-stationary dynamics of seismic wavefields. Different from the classical perceptron-stacked NNs which are fundamentally confined to real-valued Euclidean spaces, the quantum NNs leverage the exponential state space of quantum mechanics to map the features into high-dimensional Hilbert spaces, transcending the representational boundary of classical NNs. Based on this insight, we propose a quantum-classical synergistic generative adversarial network (QC-GAN) for seismic data processing, serving as the first application of quantum NNs in seismic exploration. In QC-GAN, a quantum pathway is used to exploit the high-order feature correlations, while the convolutional pathway specializes in extracting the waveform structures of seismic wavefields. Furthermore, we design a QC feature complementarity loss to enforce the feature orthogonality in the proposed QC-GAN. This novel loss function can ensure that the two pathways encode non-overlapping information to enrich the capacity of feature representation. On the whole, by synergistically integrating the quantum and convolutional pathways, the proposed QC-GAN breaks the representational bottleneck inherent in classical GAN. Experimental results on denoising and interpolation tasks demonstrate that QC-GAN preserves wavefield continuity and amplitude-phase information under complex noise conditions.
• Abstract（参考訳）: 近年,多くのニューラルネット (NN) 手法が, ノイズ処理, 補間, 周波数帯域拡張などの耐震データ処理において優れた性能を示した。 しかし、これらの手法は、深層学習モデルの表現能力にボトルネックを課し、地震波の複雑な力学と非定常力学を捉えるのが困難である、重畳されたパーセプトロンと標準活性化関数に依存している。 実数値ユークリッド空間に基本的に制限される古典的パーセプトロンスタックNNとは異なり、量子NNは量子力学の指数状態空間を利用して特徴を高次元ヒルベルト空間にマッピングし、古典的NNの表現境界を超越する。 この知見に基づいて, 地震探査における量子NNの最初の応用として, 地震データ処理のための量子古典的相乗的生成逆数ネットワーク(QC-GAN)を提案する。 QC-GANでは、高次特徴相関を利用して量子経路を使用し、畳み込み経路は地震波の波形構造を抽出する。 さらに,提案したQC-GANの特徴直交性を強制するQC特徴相補性損失を設計する。 この新たな損失関数は、2つの経路が重複しない情報をエンコードし、特徴表現の能力を高めることを保証する。 全体として、量子経路と畳み込み経路を相乗的に統合することにより、提案されたQC-GANは古典的GANに固有の表現的ボトルネックを破る。 QC-GANは複雑な雑音条件下での波動場の連続性と振幅位相情報を保存していることを示す。

関連論文リスト

• Physics-Informed Hybrid Quantum-Classical Dispatching for Large-Scale Renewable Power Systems:A Noise-Resilient Framework [9.378801906395179]
  高ペネレーションエネルギーは、電力系統のディスパッチ最適化に重大性と非古典性をもたらす。 既存のアプローチでは、電力網を「ブラックボックス」として扱うのが一般的である。 本稿では、PIHQ-CD(Hybrid Quantum-Bridging Dispatching)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-26T13:35:54Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Quantum AI for Cybersecurity: A hybrid Quantum-Classical models for attack path analysis [1.2676356746752895]
  本研究では,ハイブリッド量子古典学習の可能性について検討し,侵入検出のための特徴表現を強化する。 量子化された表現は、データが不足している場合により優れた攻撃リコールとクラス分離性を示す。 結果は、サイバーセキュリティタスクの一般化と表現品質を改善するための量子埋め込みの可能性を強調している。
  論文  参考訳（メタデータ） (2026-01-05T16:11:39Z)
• In situ quantum verification of polarization-stabilized optical channels [0.712813885457233]
  古典的な偏光追跡システムを強化する新しいin situベンチマーク手法を提案する。 この方法は、古典的な補償の検証と、捕捉できないノイズ源の暴露の両方に再構成マップを使用する。 量子古典的共存ネットワークにおけるin situチャネルのキャラクタリゼーションのための新たな機会を解放すべきである。
  論文  参考訳（メタデータ） (2025-10-30T00:19:59Z)
• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• 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)
• Emergence of global receptive fields capturing multipartite quantum correlations [0.565473932498362]
  量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、非常に複雑な相関によって特徴づけられる。 量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることで、複雑な多部パターンに関する物理的直観を発達させることができることを示す。 この結果から,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築について,新たな知見が得られた。
  論文  参考訳（メタデータ） (2024-08-23T12:45:40Z)
• 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)

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。