論文の概要: Quantum-Enhanced Processing with Tensor-Network Frontends for Privacy-Aware Federated Medical Diagnosis

• arxiv url: http://arxiv.org/abs/2604.01616v1
• Date: Thu, 02 Apr 2026 04:52:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.360798
• Title: Quantum-Enhanced Processing with Tensor-Network Frontends for Privacy-Aware Federated Medical Diagnosis
• Title（参考訳）: プライバシを考慮したフェデレーション医療診断のためのテンソルネットワークフロントエンドを用いた量子処理
• Authors: Hiroshi Yamauchi, Anders Peter Kragh Dalskov, Hideaki Kawaguchi, Rodney Van Meter,
• Abstract要約: このフレームワークは、プライバシーに配慮したフェデレーション学習における2つの実践的な制約によって動機付けられている。 MPCベンチマークは、通信コストが主に保護された潜在表現の次元によって管理されていることを示している。 結果は、表現圧縮、ポストアグリゲーション量子リファインメント、プライバシ対応デプロイメントを共同で最適化するコNISTの観点をサポートする。
• 参考スコア（独自算出の注目度）: 0.13999481573773068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a privacy-aware hybrid framework for federated medical image classification that combines tensor-network representation learning, MPC-secured aggregation, and post-aggregation quantum refinement. The framework is motivated by two practical constraints in privacy-aware federated learning: MPC can introduce substantial communication overhead, and direct quantum processing of high-dimensional medical images is unrealistic with a small number of qubits. To address both constraints within a single architecture, client-side tensor-network frontends, Matrix Product State (MPS), Tree Tensor Network (TTN), and Multi-scale Entanglement Renormalization Ansatz (MERA), compress local inputs into compact latent representations, after which a Quantum-Enhanced Processor (QEP) refines the aggregated latent feature through quantum-state embedding and observable-based readout. Experiments on PneumoniaMNIST show that the effect of the QEP is frontend-dependent rather than uniform across architectures. In the present setting, the TTN+QEP combination exhibits the most balanced overall profile. The results also suggest that the QEP behaves more stably when the qubit count is sufficiently matched to the latent dimension, while noisy conditions degrade performance relative to the noiseless setting. The MPC benchmark further shows that communication cost is governed primarily by the dimension of the protected latent representation. This indicates that tensor-network compression plays a dual role: it enables small-qubit quantum processing on compressed latent features and reduces the communication overhead associated with secure aggregation. Taken together, these results support a co-design perspective in which representation compression, post-aggregation quantum refinement, and privacy-aware deployment should be optimized jointly.
• Abstract（参考訳）: 本稿では, テンソルネットワーク表現学習, MPC を用いたアグリゲーション, およびポストアグリゲーション量子リファインメントを組み合わせた, 医用画像分類のためのプライバシ対応ハイブリッドフレームワークを提案する。 MPCは相当な通信オーバーヘッドを発生させることができるし、高次元の医用画像の直接量子処理は少数の量子ビットで非現実的である。 単一アーキテクチャ内の両方の制約に対処するため、クライアント側テンソルネットワークフロントエンド、Matrix Product State (MPS)、Tree Tensor Network (TTN)、Multi-scale Entanglement Renormalization Ansatz (MERA)は局所的な入力をコンパクトな潜在表現に圧縮し、量子拡張プロセッサ(QEP)は量子状態埋め込みと可観測性ベースの読み出しによって集約された潜在特徴を洗練させる。 PneumoniaMNISTの実験では、QEPの効果はアーキテクチャ全体にわたって一様ではなく、フロントエンドに依存している。 現段階では、TTN+QEPの組み合わせが最もバランスの取れた全体プロファイルを示す。 また、QEPは、ノイズのない設定に対してノイズ条件が劣化するのに対して、キュービット数が潜在次元と十分に一致している場合に、より安定に振る舞うことが示唆された。 MPCベンチマークは、通信コストが主に保護された潜在表現の次元によって管理されていることを示している。 これはテンソル・ネットワーク圧縮が二重の役割を担っていることを示し、圧縮された潜在特徴に対する小さな量子処理を可能にし、セキュアなアグリゲーションに関連する通信オーバーヘッドを低減する。 これらの結果は、表現圧縮、ポストアグリゲーション量子リファインメント、プライバシを意識したデプロイメントを共同で最適化する、共同設計の視点を支持する。

関連論文リスト

• A Resource-Aligned Hybrid Quantum-Classical Framework for Multimodal Face Anti-Spoofing [11.018914804434301]
  マルチモーダル面の反偽造では、線形圧縮法は、限られた量子予算を満たすために次元性を減少させることができる。 本稿では,MPS が構造化された事前量子圧縮・融合モジュールとして機能するハイブリッド Matrix Product State (MPS)-Variational Quantum Circuit (VQC) フレームワークを提案する。 我々はMPS-VQCが0.25M未満のパラメータを持つ強い古典的ニューラルネットワークベースラインに匹敵する精度を達成することを示す。
  論文  参考訳（メタデータ） (2026-03-29T20:12:47Z)
• Consensus Protocols for Entanglement-Aware Scheduling in Distributed Quantum Neural Networks [18.148407575244942]
  本稿では,適応的絡み合い管理を伴う量子コンセンサスプロトコルを協調設計するConsensus-Entanglement-Aware Scheduling (CEAS) フレームワークを提案する。 CEASはフィデリティ重み付けアグリゲーションを統合し、パラメータ更新は量子フィッシャー情報によって重み付けされ、ノイズの多い寄与を抑制する。 CEASは、10～15パーセントの精度を維持している。
  論文  参考訳（メタデータ） (2026-02-06T16:36:52Z)
• 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)
• Readout-Side Bypass for Residual Hybrid Quantum-Classical Models [3.609274776085931]
  量子機械学習(QML)はコンパクトで表現力のある表現を約束するが、測定ボトルネックに悩まされる。 本稿では,分類前の生入力で量子的特徴を確認可能な,軽量な残差ハイブリッドアーキテクチャを提案する。 我々のモデルは、低通信コストとプライバシーの堅牢性を保ちながら、量子ベースラインよりも最大で55%精度が向上する。
  論文  参考訳（メタデータ） (2025-11-25T23:27:53Z)
• Task-Oriented Feature Compression for Multimodal Understanding via Device-Edge Co-Inference [54.53508601749513]
  本稿では,マルチモーダル理解のためのタスク指向特徴圧縮(TOFC)手法を提案する。 圧縮効率を向上させるために、視覚特徴の特性に基づいて複数のエントロピーモデルを適応的に選択する。 その結果,TOFCはデータ転送オーバーヘッドを最大52%削減し,システム遅延を最大63%削減できることがわかった。
  論文  参考訳（メタデータ） (2025-03-17T08:37:22Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
  効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。 量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。 我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
  論文  参考訳（メタデータ） (2021-06-11T18:00:09Z)
• Hybrid quantum-classical classifier based on tensor network and variational quantum circuit [0.0]
  本稿では、量子インスパイアされたテンソルネットワーク(TN)と変分量子回路(VQC)を組み合わせて教師付き学習タスクを行うハイブリッドモデルを提案する。 低結合次元の行列積状態に基づくTNは、MNISTデータセットのバイナリ分類において、VQCの入力のためのデータを圧縮する特徴抽出器としてPCAよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-30T09:43:59Z)

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。