論文の概要: Non-variational supervised quantum kernel methods: a review

• arxiv url: http://arxiv.org/abs/2604.07896v1
• Date: Thu, 09 Apr 2026 07:11:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.758137
• Title: Non-variational supervised quantum kernel methods: a review
• Title（参考訳）: 非発散型教師付き量子カーネル法--概観
• Authors: John Tanner, Chon-Fai Kam, Jingbo Wang,
• Abstract要約: 量子カーネル法(QKM)は、教師付き量子機械学習の著名なフレームワークとして登場した。 本総説は,QKMが真の優位性をもたらす可能性のある体制を明らかにすることを目的としており,実践的な量子化学習において克服すべき概念的,方法論的,技術的障害を明確にすることを目的とする。
• 参考スコア（独自算出の注目度）: 4.483208369550461
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum kernel methods (QKMs) have emerged as a prominent framework for supervised quantum machine learning. Unlike variational quantum algorithms, which rely on gradient-based optimisation and may suffer from issues such as barren plateaus, non-variational QKMs employ fixed quantum feature maps, with model selection performed classically via convex optimisation and cross-validation. This separation of quantum feature embedding from classical training ensures stable optimisation while leveraging quantum circuits to encode data in high-dimensional Hilbert spaces. In this review, we provide a thorough analysis of non-variational supervised QKMs, covering their foundations in classical kernel theory, constructions of fidelity and projected quantum kernels, and methods for their estimation in practice. We examine frameworks for assessing quantum advantage, including generalisation bounds and necessary conditions for separation from classical models, and analyse key challenges such as exponential concentration, dequantisation via tensor-network methods, and the spectral properties of kernel integral operators. We further discuss structured problem classes that may enable advantage, and synthesise insights from comparative and hardware studies. Overall, this review aims to clarify the regimes in which QKMs may offer genuine advantages, and to delineate the conceptual, methodological, and technical obstacles that must be overcome for practical quantum-enhanced learning.
• Abstract（参考訳）: 量子カーネル法(QKM)は、教師付き量子機械学習の著名なフレームワークとして登場した。 勾配に基づく最適化に依存し、バレンプラトーのような問題に悩まされる変分量子アルゴリズムとは異なり、非変分QKMは固定された量子特徴写像を用いており、モデル選択は凸最適化とクロスバリデーションによって古典的に実行される。 この古典的トレーニングからの量子特徴埋め込みの分離は、高次元ヒルベルト空間のデータを符号化するために量子回路を活用しながら安定な最適化を実現する。 本稿では, 古典的カーネル理論, 忠実性, 投射量子カーネルの構成, 実際に推定する方法について, 非偏差教師付きQKMの徹底的な解析を行う。 量子優位性を評価するためのフレームワークについて検討し、古典的モデルから分離するための一般化境界と必要条件を含むとともに、指数集中、テンソル-ネットワーク法による量子化、カーネル積分作用素のスペクトル特性などの重要な課題を分析する。 さらに、利点をもたらす可能性のある構造化問題クラスについて論じ、比較およびハードウェア研究からの洞察を合成する。 本総説は,QKMが真の優位性をもたらす可能性のある体制を明らかにすることを目的としており,実践的な量子化学習において克服すべき概念的,方法論的,技術的障害を明確にすることを目的としている。

関連論文リスト

• Methods for non-variational heuristic quantum optimisation [0.5586191108738564]
  我々は、この変分的枠組みを廃止し、ハイブリッドな量子古典的アプローチを推奨する新しい量子最適化のクラスを導入する。 これらのアルゴリズムは、ノイズに固有の堅牢性を示し、量子リソースと古典リソースの両方にわたる並列実行をサポートすることが期待されている。
  論文  参考訳（メタデータ） (2026-02-01T17:46:57Z)
• 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)
• 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)
• Unsupervised Quantum Anomaly Detection on Noisy Quantum Processors [1.2325897339438878]
  本稿では,一クラス支援ベクトルマシン(OCSVM)アルゴリズムの一般化特性の系統的解析を行う。 結果は理論的にシミュレートされ、トラップイオンおよび超伝導量子プロセッサ上で実験的に検証された。
  論文  参考訳（メタデータ） (2024-11-25T22:42:38Z)
• Variational Quantum Approximated Spectral Clustering [0.6718184400443239]
  本稿では、量子距離に基づく分類器モデルをクラスタリングフレームワークに拡張する可変量子近似スペクトルクラスタリング(VQASC)を提案する。 提案手法では, 重み付き和を非直交グラフの様々な行列表現上で計算できるように, 深度がデータセットサイズに準4次スケールの効率的な量子回路設計を用いる。
  論文  参考訳（メタデータ） (2023-09-08T17:54:42Z)
• Variational Quantum Kernels with Task-Specific Quantum Metric Learning [0.8722210937404288]
  カーネル法は、より高次元(おそらく無限)な特徴空間における点間の類似性の概念に依存している。 最適な量子埋め込みを生成するために,変分量子カーネルとタスク固有量子量子学習について論じる。
  論文  参考訳（メタデータ） (2022-11-08T18:36:25Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• Using Quantum Metrological Bounds in Quantum Error Correction: A Simple Proof of the Approximate Eastin-Knill Theorem [77.34726150561087]
  本稿では、量子誤り訂正符号の品質と、論理ゲートの普遍的な集合を達成する能力とを結びつける、近似したイージン・クニル定理の証明を示す。 我々の導出は、一般的な量子気象プロトコルにおける量子フィッシャー情報に強力な境界を用いる。
  論文  参考訳（メタデータ） (2020-04-24T17:58:10Z)

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。