論文の概要: SPATE: Spiking-Phase Adaptive Temporal Encoding for Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2604.11022v1
• Date: Mon, 13 Apr 2026 05:41:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.349903
• Title: SPATE: Spiking-Phase Adaptive Temporal Encoding for Quantum Machine Learning
• Title（参考訳）: SPATE: 量子機械学習のためのスパイキング位相適応時間符号化
• Authors: Nouhaila Innan, Rachmad Vidya Wicaksana Putra, Muhammad Shafique,
• Abstract要約: 本稿では,時間構造を量子特徴量に組み込んだ効果的な符号化機構としてスパイクに基づくデータ表現を用いる。 新しいスパイク駆動時間符号化法が提案され、実値のタブ状特徴を漏れきりのスパイク列車に変換し、スパイク統計を量子回転にマッピングする。 階層化されたクロスバリデーションの下では、SPATEは複数のデータセットにまたがるより強力な表現をもたらす。
• 参考スコア（独自算出の注目度）: 3.1061484260786014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most quantum machine learning (QML) pipelines still rely on static encodings such as angle and amplitude maps, and this limits their ability to handle temporal information. To address this limitation, this paper uses spike-based data representation as an effective encoding mechanism that incorporates temporal structure into quantum feature preparation. Specifically, we propose Spiking-Phase Adaptive Temporal Encoding (SPATE), a novel spike-driven temporal encoding method that converts real-valued tabular features into leaky integrate-and-fire spike trains and maps spike statistics to quantum rotations, augmented with a small set of temporal qubits through controlled phase operations. An encoding-centric evaluation protocol is also introduced to assess representation quality independently of the classifier, covering centered kernel-target alignment (CKTA), Fisher-style separability, inter/intra-class distance ratios, silhouette score, normalized entropy, and pairwise total-variation (TVpair) collapse indicators. Under stratified cross-validation, SPATE yields stronger representations across multiple datasets. For example, SPATE reaches a CKTA of 0.966 and a Fisher score of 7.37 on Blobs, compared with a CKTA of 0.632 and a Fisher score of 0.70 using angle encoding, and achieves a CKTA of 0.506 on Moons, compared with 0.015 using angle or amplitude encoding. These gains translate into stronger hybrid quantum neural network performance within a fixed qubit budget across several tasks, including an accuracy of 0.826 and an AUC of 0.978 for Wine, as well as an accuracy of 0.840 and an AUC of 0.923 for Moons. These results demonstrate that SPATE provides a practical spike-to-phase interface for building more informative quantum feature representations under constrained resources.
• Abstract（参考訳）: ほとんどの量子機械学習(QML)パイプラインは、角度や振幅マップのような静的エンコーディングに依存しており、時間情報を扱う能力を制限する。 この制限に対処するために、スパイクベースのデータ表現を時間構造を量子フィーチャの準備に組み込んだ効果的な符号化機構として利用する。 具体的には、実値のタブ状特徴を漏れやすい積分・発火スパイク列に変換し、スパイク統計を量子回転にマッピングし、制御位相演算により小さな時間量子ビットで拡張する、新しいスパイク駆動時間符号化法であるSpking-Phase Adaptive Temporal Encoding (SPATE)を提案する。 符号化中心の評価プロトコルは、分類器とは独立して表現品質を評価するためにも導入され、中央のカーネルターゲットアライメント(CKTA)、フィッシャースタイルのセパビリティ、インター/イントラクラスの距離比、シルエットスコア、正規化エントロピー、ペアワイズ全変量(TVpair)崩壊インジケータをカバーしている。 階層化されたクロスバリデーションの下では、SPATEは複数のデータセットにまたがるより強力な表現をもたらす。 例えば、SPATE は 0.966 の CKTA 、Blobs の Fisher スコア 7.37 の CKTA は 0.632 の CKTA および Fisher スコア 0.70 の CKTA に到達し、月の 0.506 の CKTA を達成する。 これらのゲインは、固定量子ビットの予算内で、ワインの精度0.826、ワインのAUC0.978、月の精度0.940、月のAUC0.923など、より強力なハイブリッドな量子ニューラルネットワーク性能に変換される。 これらの結果から,SPATEは制約されたリソースの下でより情報に富む量子特徴表現を構築するための実用的なスパイク・ツー・フェイズインタフェースを提供することが示された。

関連論文リスト

• Post-Cut Metadata Inference Attacks on Quantum Circuit Cutting Pipelines [3.9890357781493595]
  量子回路切断により、回路を実行可能なフラグメントに分解することで、量子ビット容量を超えるワークロードを、短期的な量子デバイスで実行することができる。 フラグメントレベルの実行トランスクリプトは、半最高級のクラウドプロバイダによって監視可能である。 我々はこの表面を定式化し、ポストカットされた文字起こしが実用的なメタデータ側チャネルを構成することを示す。
  論文  参考訳（メタデータ） (2026-04-12T11:51:05Z)
• BiGain: Unified Token Compression for Joint Generation and Classification [47.040577759493004]
  BiGainは、高速拡散モデルにおける分類を改善しながら、生成品質を保ちながら、トレーニング不要でプラグアンドプレイのフレームワークである。 我々の重要な洞察は周波数分離であり、これは大域的な意味論から細部を解き、生成的忠実さと識別的有用性の両方を尊重する圧縮を可能にする。 本分析は,拡散モデルにおけるトークン圧縮のための信頼性の高い設計規則として,高頻度の細部と低周波数のセマンティクスを保存したスペクトル保持が重要であることを示す。
  論文  参考訳（メタデータ） (2026-03-12T17:55:53Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Noise-Adaptive Quantum Circuit Mapping for Multi-Chip NISQ Systems via Deep Reinforcement Learning [0.0]
  本稿では,双方向長短期記憶に基づく動的雑音適応ネットワークを統合した深層強化学習フレームワークDeepQMapを提案する。 本手法は,量子系の動作の時間的表現を学習することで,ハードウェアのダイナミクスに継続的に適応する。 DeepQMapは平均回路忠実度が0.920 pm 0.023$であり、最先端のQUBO法よりも統計的に49.3%向上している。
  論文  参考訳（メタデータ） (2025-11-22T14:27:55Z)
• The CHASM-SWPC Dataset for Coronal Hole Detection & Analysis [2.0515802800471485]
  コロナホール(CHs)は、オープン磁場線を持つ低活性で密度の低い太陽コロナ領域である。 SWPCマップをバイナリセグメンテーションマスクにデジタル化する半自動パイプラインを開発した。 結果として得られたマスクは、自動CH検出モデルのトレーニングとテストを行うCHASM-SWPCデータセットを構成する。
  論文  参考訳（メタデータ） (2025-11-18T01:51:13Z)
• Identification of Capture Phases in Nanopore Protein Sequencing Data Using a Deep Learning Model [0.0]
  ダウンサンプリング信号窓の捕捉位相を検出する軽量な1次元畳み込みニューラルネットワーク (1D CNN) を開発した。 我々の最良のモデルであるCaptureNet-Deepは、ホールドアウトテストデータでF1スコア0.94と精度93.39%を達成した。 これらの結果から,シンプルかつ解釈可能なアーキテクチャを用いて,効率的なリアルタイムキャプチャ検出が可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-11-03T06:51:53Z)
• TCUQ: Single-Pass Uncertainty Quantification from Temporal Consistency with Streaming Conformal Calibration for TinyML [0.0]
  TCUQは、TinyMLをストリーミングするためのシングルパスでラベルなしの不確実性モニタである。 後部の光信号によって捉えた短地平線時間一貫性を変換する。 ストリーミングコンフォメーション層は、このスコアを予算付きアクセプション/アビスタンスルールに変換する。
  論文  参考訳（メタデータ） (2025-08-18T13:12:14Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning [38.574550778712236]
  本稿では,コンテンツ認識凸船体予測の深層学習に基づく手法を提案する。 再帰的畳み込みネットワーク(RCN)を用いて,映像の複雑さを暗黙的に解析し,その凸殻を予測する。 提案するモデルでは, 最適凸殻の近似精度が向上し, 既存の手法と比較して, 競争時間の節約が期待できる。
  論文  参考訳（メタデータ） (2022-06-10T05:11:02Z)
• FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
  ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。 現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。 提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
  論文  参考訳（メタデータ） (2021-03-08T03:09:37Z)

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。