論文の概要: QARIMA: A Quantum Approach To Classical Time Series Analysis
- arxiv url: http://arxiv.org/abs/2604.08277v2
- Date: Fri, 10 Apr 2026 12:23:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-13 13:51:27.859794
- Title: QARIMA: A Quantum Approach To Classical Time Series Analysis
- Title（参考訳）: QARIMA:古典的時系列分析への量子的アプローチ
- Authors: Nishikanta Mohanty, Bikash K. Behera, Badshah Mukherjee, Pravat Dash,
- Abstract要約: 本稿では、量子支援ラグ探索と固定構成量子回路(VQC)を統合した量子インスピレーションされたARIMA手法を提案する。
MSEとMAEのDiebold-Marianoテストでは,自動古典的ARIMAに対する転動オリジン評価を行い,平均二乗誤差(MSE),平均絶対パーセンテージ誤差(MAPE),平均二乗誤差(MAPE)を報告した。
- 参考スコア（独自算出の注目度）: 0.5039813366558307
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a quantum-inspired ARIMA methodology that integrates quantum-assisted lag discovery with fixed-configuration variational quantum circuits (VQCs) for parameter estimation and weak-lag refinement. Differencing and candidate lags are identified via swap-test-driven quantum autocorrelation (QACF) and quantum partial autocorrelation (QPACF), with a delayed-matrix construction that aligns quantum projections to time-domain regressors, followed by standard information-criterion parsimony. Given the screened orders (p,d,q), we retain a fixed VQC ansatz, optimizer, and training budget, preventing hyperparameter leakage, and deploy the circuit in two estimation roles: VQC-AR for autoregressive coefficients and VQC-MA for moving-average coefficients. Between screening and estimation, a lightweight VQC weak-lag refinement re-weights or prunes screened AR lags without altering (p,d,q). Across environmental and industrial datasets, we perform rolling-origin evaluations against automated classical ARIMA, reporting out-of-sample mean squared error (MSE), mean absolute percentage error (MAPE), and Diebold-Mariano tests on MSE and MAE. Empirically, the seven quantum contributions (1) differencing selection, (2) QACF, (3) QPACF, (4) swap-test primitives with delayed-matrix construction, (5) VQC-AR, (6) VQC weak-lag refinement, and (7) VQC-MA collectively reduce meta-optimization overhead and make explicit where quantum effects enter order discovery, lag refinement, and AR/MA parameter estimation.
- Abstract（参考訳）: 本稿では、量子支援ラグ探索と、パラメータ推定と弱いラグ精錬のための固定構成変分量子回路(VQC)を統合する量子インスピレーションされたARIMA手法を提案する。
ディフレクションと候補ラグはスワップテスト駆動型量子自己相関(QACF)と量子部分自己相関(QPACF)によって同定される。
検定順序 (p,d,q) が与えられた場合, 固定されたVQCアンサッツ, 最適化器, トレーニング予算を保持し, ハイパーパラメータリークを防止し, 自己回帰係数のVQC-ARと移動平均係数のVQC-MAの2つの推定役で回路を配置する。
スクリーニングと推定の間、軽量のVQC弱遅延改善リウェイトやプルーンは、変更せずにARラグをスクリーニングした(p,d,q)。
環境および産業のデータセット全体にわたって、自動古典的ARIMAに対してローリングオリジン評価を行い、MSE(平均二乗誤差)、MAPE(平均絶対パーセンテージ誤差)、MSEおよびMAEのダイボルド・マリアント試験を報告した。
経験的に、(1)選択の違い、(2)QACF、(3)QPACF、(4)遅延行列構造によるスワップテストプリミティブ、(5)VQC-AR、(6)VQC-MAの弱い改善、(7)VQC-MAは、メタ最適化オーバーヘッドを減らし、量子効果が秩序発見、ラグ改善、AR/MAパラメータ推定に入る場所を明確にする。
関連論文リスト
- Spectral Phase Encoding for Quantum Kernel Methods [0.0]
我々は、制御された付加雑音推定の下で量子的特徴構造がどのように劣化するかを分析する。
スペクトル位相について紹介する。
SPEは、離散フーリエ変換(DFT)フロントエンドと対角位相のみの埋め込みを、対角量子写像の幾何学に整合させたハイブリッドコンストラクトである。
論文 参考訳（メタデータ） (2026-02-23T09:42:42Z) - 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) - Beyond Outliers: A Study of Optimizers Under Quantization [82.75879062804955]
量子化下でのモデルロバスト性に対する選択の影響について検討する。
モデルの性能が、異なるベースラインでトレーニングした場合にどのように低下するかを評価する。
異なるパラメータによる量子化対応トレーニングのスケーリング法則を導出する。
論文 参考訳（メタデータ） (2025-09-27T21:15:22Z) - Cyclic Variational Quantum Eigensolver: Escaping Barren Plateaus through Staircase Descent [4.517663944296433]
本稿では, 高精度な基底状態量子シミュレーションのためのハードウェア効率のよいフレームワークであるCVQEを紹介する。
CVQEは測定駆動フィードバックサイクルを組み込むことで従来のVQEから離脱する。
CVQEは, 相関系間の化学精度を一貫して維持し, 固定されたUCCSDを数桁の精度で上回り, 良好な精度とコストのトレードオフを実現することを示す。
論文 参考訳（メタデータ） (2025-09-16T13:54:03Z) - End-to-End On-Device Quantization-Aware Training for LLMs at Inference Cost [53.25965863436039]
量子化対応トレーニング(QAT)は、より原則化されたソリューションを提供するが、バックプロパゲーションに依存しているため、メモリコストは禁じられている。
重み付けとアクティベーション量子化の両方をサポートするゼロオーダー最適化ベースのQATフレームワークであるZeroQATを提案する。
実験の結果、ZeroQATはPTQとQATのベースラインを一貫して上回り、メモリは大幅に削減された。
論文 参考訳（メタデータ） (2025-08-21T01:18:27Z) - FIMA-Q: Post-Training Quantization for Vision Transformers by Fisher Information Matrix Approximation [55.12070409045766]
ポストトレーニング量子化(PTQ)は近年,費用対効果と有望なモデル圧縮パラダイムとして注目されている。
ビジョン変換器(ViT)の現在のPTQ法は、特に低ビット量子化において、精度が著しく低下している。
論文 参考訳（メタデータ） (2025-06-13T07:57:38Z) - Hybrid Parameterized Quantum States for Variational Quantum Learning [0.6798775532273751]
変分量子学習は、ノイズの多い中間スケール量子(NISQ)時代に実践的な課題に直面している。
この研究は、量子化と古典化を補間する汎用モデリングフレームワークであるHybrid ized Quantum States (HPQS)を導入している。
論文 参考訳（メタデータ） (2025-05-22T13:40:24Z) - Post-Variational Ground State Estimation via QPE-Based Quantum Imaginary Time Evolution [0.0]
本稿では,QPEに基づくQPE-QITE(Quantum imaginary Time Evolution)アルゴリズムについて述べる。
変分法とは異なり、QPE-QITEは量子レジスタを低エネルギー固有状態に投影するために追加のアンシラを用いる。
低自己相関バイナリシーケンス(LABS)問題に適用することで,QPE-QITEの機能を示す。
論文 参考訳（メタデータ） (2025-04-15T18:44:14Z) - Non-unitary Variational Quantum Eigensolver with the Localized Active Space Method and Cost Mitigation [0.33923727961771083]
ハードウェア効率の良い局所化能動空間自己整合体(SCFS)は完全能動空間自己整合体(CFF)を近似する
HEAは安価で浅い回路を提供するが、しばしば必要な相関を捉えることができない。
LAS-nuVQEは、H4と正方形のシクロブタジエンの両方で少数の門 (70) で、交差相関を回復し、化学的精度に達することが示されている。
論文 参考訳（メタデータ） (2025-01-23T04:18:57Z) - Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。
QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
論文 参考訳（メタデータ） (2024-05-15T02:04:22Z)
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。