論文の概要: QMC-Net: Data-Aware Quantum Representations for Remote Sensing Image Classification

• arxiv url: http://arxiv.org/abs/2604.11817v1
• Date: Fri, 10 Apr 2026 19:28:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.000993
• Title: QMC-Net: Data-Aware Quantum Representations for Remote Sensing Image Classification
• Title（参考訳）: QMC-Net:リモートセンシング画像分類のためのデータ対応量子表現
• Authors: Md Aminur Hossain, Ayush V. Patel, Biplab Banerjee,
• Abstract要約: バンド固有の量子回路を用いて6つのデータチャネルを処理するハイブリッドアーキテクチャであるQMC-Netを紹介する。 結果は、強い古典的ベースラインとモノリシックなハイブリッド量子モデルよりも一貫して優れている。
• 参考スコア（独自算出の注目度）: 19.28428432777636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid quantum-classical models offer a promising route for learning from complex data; however, their application to multi-band remote sensing imagery often relies on generic, data-agnostic quantum circuits that fail to account for channel-specific statistical variability. In this work, we propose a data-driven framework that maps band-level statistics such as Shannon Entropy, Variance, Spectral Flatness, and Edge Density to the hyperparameters of customized quantum circuits. Building on this framework, we introduce QMC-Net, a hybrid architecture that processes six data channels using band-specific quantum circuits, enabling adaptive quantum feature encoding and transformation across channels. Experiments on the EuroSAT and SAT-6 datasets demonstrate that QMC-Net achieves accuracies of 93.80 % and 99.34 %, respectively, while a residual-enhanced variant further improves performance to 94.69 % and 99.39 %. These results consistently outperform strong classical baselines and monolithic hybrid quantum models, highlighting the effectiveness of data-aware quantum circuit design under NISQ constraints.
• Abstract（参考訳）: ハイブリッド量子古典モデルは、複雑なデータから学習するための有望な経路を提供するが、そのマルチバンドリモートセンシング画像への応用は、しばしば、チャネル固有の統計的変動を考慮できない汎用的な、データに依存しない量子回路に依存している。 本研究では、Shannon Entropy、Variance、Spectral Flatness、Edge Densityといった帯域レベルの統計データを、カスタマイズされた量子回路のハイパーパラメータにマッピングするデータ駆動フレームワークを提案する。 このフレームワーク上に構築されたQMC-Netは、6つのデータチャネルをバンド固有の量子回路で処理し、適応的な量子特徴符号化とチャネル間の変換を可能にするハイブリッドアーキテクチャである。 EuroSATとSAT-6データセットの実験では、QMC-Netはそれぞれ93.80 %と99.34 %の精度を達成し、残りの改良版では94.69 %と99.39 %のパフォーマンスが向上した。 これらの結果は、強い古典的ベースラインとモノリシックなハイブリッド量子モデルより一貫して優れており、NISQ制約下でのデータ認識型量子回路設計の有効性を強調している。

関連論文リスト

• Shot-Based Quantum Encoding: A Data-Loading Paradigm for Quantum Neural Networks [0.0]
  効率的なデータローディングは、短期的な量子機械学習のボトルネックであり続けている。 ハードウェアのネイティブリソースを分散するデータ埋め込み戦略であるShot-Based Quantum Coherence(SBQE)を紹介した。 SBQEは、重みが量子回路によって実現される多層パーセプトロンと構造的に等価であることを示す。
  論文  参考訳（メタデータ） (2026-04-07T17:44:37Z)
• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• Modeling Wavelet Transformed Quantum Support Vector for Network Intrusion Detection [9.036718544324573]
  拡張量子サポートベクトルマシン(QSVM)と量子ハーアーウェーブレットパケット変換(QWPT)を統合した新しい量子古典的フレームワークを提案する。 提案手法では, 振幅エンコードクオンタム状態調製, マルチレベルQWPT特徴抽出, シャノンエントロピープロファイリングおよびChi-2乗検定による挙動解析を用いる。 BoT-IoTの96.67%、IoT-23データセットの89.67%、量子オートエンコーダのアプローチを7%以上越えている。
  論文  参考訳（メタデータ） (2025-12-01T07:23:20Z)
• Design and Optimization of Adaptive Diversity Schemes in Quantum MIMO Channels [45.812053169933705]
  本研究では、送信機における普遍的非対称クローニングと受信機における確率的浄化に基づく離散変数QuMIMOシステムの適応的多様性戦略について検討する。 その結果,提案手法はクロストークに支配された設定において有意な忠実性向上をもたらし,チャネル対称性やチャネル条件に自動的に適応することがわかった。 この研究は、将来のQuMIMOシステムの設計ガイドラインを提供し、より高度な伝送および復号戦略のための堅牢なベースラインを確立する。
  論文  参考訳（メタデータ） (2025-11-19T15:58:10Z)
• Multi-channel convolutional neural quantum embedding [10.620759775107787]
  量子計算の標準回路モデルに限らず,量子埋め込みを最適化するための古典量子ハイブリッド手法を提案する。 我々は,CIFAR-10とTiny ImageNetデータセットを用いて,フレームワーク内の各種モデルの性能をベンチマークした。
  論文  参考訳（メタデータ） (2025-09-26T13:51:40Z)
• 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)
• Quantum parallel information exchange (QPIE) hybrid network with transfer learning [18.43273756128771]
  量子機械学習(QML)は、複雑なパターンを明らかにする可能性のある革新的なフレームワークとして登場した。 量子並列情報交換(QPIE)ハイブリッドネットワークを導入する。 量子処理ユニットにパラメータシフトルールを適用する動的勾配選択法を開発した。
  論文  参考訳（メタデータ） (2025-04-05T17:25:26Z)
• Predicting Expressibility of Parameterized Quantum Circuits using Graph Neural Network [5.444441239596186]
  量子回路(PQC)の表現性を予測するためのグラフニューラルネットワーク(GNN)に基づく新しい手法を提案する。 グラフに基づくPQC表現を活用することで、GNNベースのモデルは、回路パラメータと結果の表現性の間の複雑な関係をキャプチャする。 4千個のランダムPQCデータセットとIBM Qiskitのハードウェア効率の良いアンサッツセットの実験評価により、我々のアプローチの優れた性能を示す。
  論文  参考訳（メタデータ） (2023-09-13T14:08:01Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)

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。