論文の概要: Hybrid Fourier Neural Operator for Surrogate Modeling of Laser Processing with a Quantum-Circuit Mixer

• arxiv url: http://arxiv.org/abs/2604.04828v1
• Date: Mon, 06 Apr 2026 16:28:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.283161
• Title: Hybrid Fourier Neural Operator for Surrogate Modeling of Laser Processing with a Quantum-Circuit Mixer
• Title（参考訳）: 量子回路ミキサーを用いたレーザ加工のサロゲートモデリングのためのハイブリッドフーリエニューラル演算子
• Authors: Mateusz Papierz, Asel Sagingalieva, Alix Benoit, Toni Ivas, Elia Iseli, Alexey Melnikov,
• Abstract要約: HQ-LP-FNO(HQ-LP-FNO)は、高密度なスペクトルブロックのごく一部を、コンパクトでモード共有の変動型量子回路ミキサーに置き換えるハイブリッド量子古典型FNOである。 高エネルギーレーザー加工, カップリング熱伝達, 溶融プール対流, 自由表面変形, 相変化の3次元シュロゲートモデルによる評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven surrogates can replace expensive multiphysics solvers for parametric PDEs, yet building compact, accurate neural operators for three-dimensional problems remains challenging: in Fourier Neural Operators, dense mode-wise spectral channel mixing scales linearly with the number of retained Fourier modes, inflating parameter counts and limiting real-time deployability. We introduce HQ-LP-FNO, a hybrid quantum-classical FNO that replaces a configurable fraction of these dense spectral blocks with a compact, mode-shared variational quantum circuit mixer whose parameter count is independent of the Fourier mode budget. A parameter-matched classical bottleneck control is co-designed to provide a rigorous evaluation framework. Evaluated on three-dimensional surrogate modeling of high-energy laser processing, coupling heat transfer, melt-pool convection, free-surface deformation, and phase change, HQ-LP-FNO reduces trainable parameters by 15.6% relative to a classical baseline while lowering phase-fraction mean absolute error by 26% and relative temperature MAE from 2.89% to 2.56%. A sweep over the quantum-channel budget reveals that a moderate VQC allocation yields the best temperature metrics across all tested configurations, including the fully classical baseline, pointing toward an optimal classical-quantum partitioning. The ablation confirms that mode-shared mixing, naturally implemented by the VQC through its compact circuit structure, is the dominant contributor to these improvements. A noisy-simulator study under backend-calibrated noise from ibm-torino confirms numerical stability of the quantum mixer across the tested shot range. These results demonstrate that VQC-based parameter-efficient spectral mixing can improve neural operator surrogates for complex multiphysics problems and establish a controlled evaluation protocol for hybrid quantum operator learning in practice.
• Abstract（参考訳）: データ駆動サロゲートは、パラメトリックPDEのための高価なマルチフィジカルスソルバを置き換えることができるが、3次元問題のためのコンパクトで正確なニューラル演算子を構築することは難しい。 本稿では,これらの高密度スペクトルブロックの構成可能な分画を,パラメータカウントがフーリエモード予算に依存しないコンパクトなモード共有変動量子回路ミキサに置き換えるハイブリッド量子古典型FNOであるHQ-LP-FNOを紹介する。 パラメータマッチングされた古典的ボトルネック制御は、厳密な評価フレームワークを提供するために共同設計されている。 高エネルギーレーザー処理、カップリング熱伝達、溶融プール対流、自由表面変形、位相変化の3次元サロゲートモデルの評価において、HQ-LP-FNOは、位相-摩擦平均絶対誤差を26%、相対温度MAEを2.89%から2.56%低下させながら、トレーニング可能なパラメータを古典的ベースラインに対して15.6%削減する。 量子チャネル予算の概観により、適度なVQC割り当ては、最適化された古典量子分割に向けて、完全に古典的なベースラインを含む全てのテスト済み構成で最高の温度測定値をもたらすことが明らかになった。 アブレーションは、VQCによってそのコンパクトな回路構造を通じて自然に実装されたモード共有混合が、これらの改善の主要な要因であることを確認した。 ibm-torinoのバックキャリブレーション雑音下でのノイズ・シミュレータによる研究により、試験されたショット範囲の量子ミキサーの数値安定性が確認された。 これらの結果は、VQCに基づくパラメータ係数スペクトル混合により、複雑な多物理問題に対するニューラルネットワークのサロゲートを改善し、実際はハイブリッド量子演算子学習のための制御された評価プロトコルを確立することを実証している。

関連論文リスト

• Quantum Implicit Neural Representations for 3D Scene Reconstruction and Novel View Synthesis [42.13843953705695]
  入射神経表現(INR)は連続信号モデリングと3次元シーン再構成の強力なパラダイムとなっている。 ニューラルラディアンス場レンダリングのための最初のハイブリッド量子古典的フレームワークである量子ニューラルラディアンス場(Q-NeRF)を提案する。
  論文  参考訳（メタデータ） (2025-12-14T13:24:11Z)
• The PID Controller Strikes Back: Classical Controller Helps Mitigate Barren Plateaus in Noisy Variational Quantum Circuits [0.5520082338220947]
  変分量子アルゴリズム(VQA)は古典最適化と量子計算の利点を組み合わせたものである。 VQAはしばしば、バレン高原(Barren Plateau)として知られる消失する勾配問題に悩まされる。 本稿では,古典的比例積分微分制御器とニューラルネットワークを統合し,変動量子回路のパラメータを更新するハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2025-11-18T14:55:42Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Towards Non-Abelian Quantum Signal Processing: Efficient Control of Hybrid Continuous- and Discrete-Variable Architectures [0.0]
  量子信号処理(QSP)は、$theta$で表されるユニタリパラメータを、関数$f(theta)$で表される1つに変換する。 我々はQSPを非可換制御パラメータを利用する新しいクラスである非可換QSPに拡張する。
  論文  参考訳（メタデータ） (2025-04-28T17:10:27Z)
• Projective Quantum Eigensolver with Generalized Operators [0.0]
  PQEフレームワークにおける閉形式残留方程式の観点から一般化作用素を決定する手法を開発する。 いくつかの分子系への応用により、アンザッツは単体、二重体、三重体を含む(異方性)UCCと同様の精度を達成できることを実証した。
  論文  参考訳（メタデータ） (2024-10-21T15:40:22Z)
• Transmon platform for quantum computing challenged by chaotic fluctuations [55.41644538483948]
  現在の量子プロセッサに関連するシステムパラメータに対する多体ローカライズド(MBL)位相の変動の安定性について検討する。 これらのコンピューティングプラットフォームは、制御不能なカオス的変動のフェーズに危険なほど近いことが分かりました。
  論文  参考訳（メタデータ） (2020-12-10T19:00:03Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。