論文の概要: A Systematic Study of Noise Effects in Hybrid Quantum-Classical Machine Learning

• arxiv url: http://arxiv.org/abs/2604.11541v1
• Date: Mon, 13 Apr 2026 14:34:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.611117
• Title: A Systematic Study of Noise Effects in Hybrid Quantum-Classical Machine Learning
• Title（参考訳）: ハイブリッド量子-古典型機械学習におけるノイズ効果の体系的研究
• Authors: Bhavna Bose, Muhammad Faryad,
• Abstract要約: 短期量子機械学習モデルは、ノイズが避けられない環境で動作します。 古典的な入力データのノイズは、量子デコヒーレンスの影響を著しく強化し、安定したトレーニングを減らし、分類精度を著しく低下させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Near-term quantum machine learning (QML) models operate in environments wherein noise is unavoidable, arising from both imperfect classical data acquisition and the limitations of noisy intermediate-scale quantum (NISQ) hardware. Although most existing studies have focused primarily on quantum circuit noise in isolation, the combined influence of corrupted classical inputs and quantum hardware noise has received comparatively little attention. In this work, we present a systematic experimental study of the robustness of a variational quantum classifier under realistic multi-level noise conditions. Using the Titanic dataset as a benchmark, a range of dataset-level noise models-including speckle noise, impulse noise, quantization noise, and feature dropout are applied to classical features prior to quantum encoding using a ZZ feature map. In parallel, hardware-inspired quantum noise channels such as depolarizing noise, amplitude damping, phase damping, Pauli errors, and readout errors are incorporated at the circuit level using the Qiskit Aer simulator. The experimental results indicate that noise in classical input data can significantly intensify the effects of quantum decoherence, resulting in less stable training and noticeably lower classification accuracy. Together, these observations emphasize the importance of designing and evaluating quantum machine learning pipelines with noise in mind, and highlight the need to consider classical and quantum noise simultaneously when assessing QML performance in the NISQ era
• Abstract（参考訳）: 短期量子機械学習(QML)モデルは、ノイズが避けられない環境で動作し、不完全な古典的データ取得とノイズの多い中間スケール量子(NISQ)ハードウェアの制限から生じる。 既存の研究のほとんどは、孤立した量子回路ノイズに重点を置いているが、劣化した古典的な入力と量子ハードウェアノイズの影響は、比較的ほとんど注目されていない。 本研究では,現実的なマルチレベル雑音条件下での変分量子分類器のロバスト性に関する系統的研究を行う。 タイタニックデータセットをベンチマークとして、スペックルノイズ、インパルスノイズ、量子化ノイズ、特徴ドロップアウトを含むデータセットレベルのノイズモデルの範囲を、ZZ特徴写像を用いた量子符号化以前の古典的特徴に適用する。 並列に、Qiskit Aerシミュレータを用いて、脱分極ノイズ、振幅減衰、位相減衰、パウリ誤差、読み出し誤差などのハードウェアにインスパイアされた量子ノイズチャネルを回路レベルに組み込む。 実験結果から,古典的な入力データのノイズは量子デコヒーレンスの影響を著しく強化し,安定したトレーニングがより少なく,分類精度が著しく低下することが示唆された。 これらの観察は、ノイズを念頭に置いて量子機械学習パイプラインの設計と評価の重要性を強調し、NISQ時代のQML性能を評価する際に、古典的および量子的ノイズを同時に考慮する必要性を強調している。

関連論文リスト

• Noisy Quantum Learning Theory [2.956729394666618]
  ノイズの多い量子実験から学習するためのフレームワークを開発する。 ノイズ結合による非文字化システムへのアクセスは耐故障性デバイスに焦点をあてる。
  論文  参考訳（メタデータ） (2025-12-11T18:56:32Z)
• Improving Quantum Neural Networks exploration by Noise-Induced Equalization [1.2043574473965317]
  最適量子ノイズレベルが変動パラメータの等化'を誘導することを示す。 最良等化近傍における有益雑音効果の証拠となる広範囲な数値シミュレーションについて報告する。
  論文  参考訳（メタデータ） (2025-11-12T15:41:46Z)
• Noise-resistant adaptive Hamiltonian learning [30.632260870411177]
  データ解析と量子状態シミュレーションのための適応型ハミルトン学習(AHL)モデルを提案し、低効率性などの問題を克服する。 AHLに基づく雑音耐性量子ニューラルネットワーク(RQNN)を開発した。
  論文  参考訳（メタデータ） (2025-01-14T11:12:59Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
  本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。 単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
  論文  参考訳（メタデータ） (2024-03-28T19:29:12Z)
• Impact of quantum noise on the training of quantum Generative Adversarial Networks [0.0]
  我々は、異なる種類の量子ノイズが存在する場合の量子生成逆数ネットワーク(qGAN)の性能について、最初の研究を行う。 特に,qGAN学習過程におけるリードアウトと2ビットゲート誤差の影響について検討する。
  論文  参考訳（メタデータ） (2022-03-02T10:35:34Z)
• Characterizing quantum instruments: from non-demolition measurements to quantum error correction [48.43720700248091]
  量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。 非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。 量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
  論文  参考訳（メタデータ） (2021-10-13T18:00:13Z)
• Simulating noisy variational quantum eigensolver with local noise models [4.581041382009666]
  変分量子固有解法 (VQE) は, 近時雑音中規模量子コンピュータにおいて量子優位性を示すことを約束している。 VQEの中心的な問題はノイズ、特に物理ノイズが現実的な量子コンピュータに与える影響である。 本稿では,様々な局所雑音モデルを用いた数値シミュレーションにより,VQEアルゴリズムの雑音効果を系統的に検討する。
  論文  参考訳（メタデータ） (2020-10-28T08:51:59Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。