論文の概要: Quantum-inspired tensor networks in machine learning models

• arxiv url: http://arxiv.org/abs/2604.14287v1
• Date: Wed, 15 Apr 2026 18:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:29.967146
• Title: Quantum-inspired tensor networks in machine learning models
• Title（参考訳）: 機械学習モデルにおける量子インスパイアされたテンソルネットワーク
• Authors: Guillermo Valverde, Igor García-Olaizola, Giannicola Scarpa, Alejandro Pozas-Kerstjens,
• Abstract要約: テンソルネットワークは多粒子量子状態の圧縮表現として多体物理学の文脈で開発された。 これらの表現は、最も関連する依存関係のみをキャプチャすることで、多体システムの指数関数的複雑性を緩和する。 量子絡み合いと統計的相関の形式的類似性により、テンソルネットワークは機械学習に最近統合されている。
• 参考スコア（独自算出の注目度）: 39.3098730337656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tensor networks were developed in the context of many-body physics as compressed representations of multiparticle quantum states. These representations mitigate the exponential complexity of many-body systems by capturing only the most relevant dependencies. Due to the formal similarity between quantum entanglement and statistical correlations, tensor networks have recently been integrated in machine learning, operating both as alternative learning architectures and as decompositions of components of neural networks. The expectation is that the theoretical understanding of tensor networks developed within quantum many-body physics leads to novel methods that offer advantages in terms of computational efficiency, explainability, or privacy. Here we review the use of tensor networks in the context of machine learning, providing a critical assessment of the state of the art, the potential advantages, and the challenges that must be overcome.
• Abstract（参考訳）: テンソルネットワークは多粒子量子状態の圧縮表現として多体物理学の文脈で開発された。 これらの表現は、最も関連する依存関係のみをキャプチャすることで、多体システムの指数関数的複雑性を緩和する。 量子絡み合いと統計的相関の形式的な類似性のため、テンソルネットワークは機械学習に統合され、代替学習アーキテクチャとニューラルネットワークのコンポーネントの分解の両方として機能している。 量子多体物理学で発達したテンソルネットワークの理論的理解は、計算効率、説明可能性、プライバシーの面での利点を提供する新しい方法をもたらすと期待されている。 ここでは、機械学習の文脈におけるテンソルネットワークの使用についてレビューし、最先端技術、潜在的な利点、克服すべき課題を批判的に評価する。

関連論文リスト

• Flexible Qubit Allocation of Network Resource States [37.8666266153972]
  フレキシブルで非自明なqubit-to-node代入を用いたグラフ状態の利用について検討する。 ネットワークリソースの状態として任意のアロケーションを持つクラスタ状態に注目する。 物理ネットワーク上の絡み合いトポロジをオーバーレイするモデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-17T16:01:17Z)
• Low-Rank Tensor Decompositions for the Theory of Neural Networks [2.052232372948406]
  本稿では,低ランクテンソル法がディープNNの性能の異なる側面を理論的に説明する上で,いかに基本的な役割を担っているかを示す。 私たちのゴールは、一貫性のある統一された方法で既存のアプローチの概要を提供することです。
  論文  参考訳（メタデータ） (2025-08-25T18:50:45Z)
• Tensor networks for quantum computing [26.83624220758641]
  テンソルネットワークの多種多様な応用を概観し、量子コンピューティングにおける重要な道具であることを示す。 具体的には、量子コンピューティングの様々な領域におけるテンソルネットワークの適用について要約し、量子計算のシミュレーション、量子回路合成、量子エラー補正と緩和、量子機械学習について述べる。
  論文  参考訳（メタデータ） (2025-03-11T17:10:41Z)
• Tensor Network Techniques for Quantum Computation [41.94295877935867]
  この本はテンソルネットワークとその量子計算および量子情報への応用の入門的かつ徹底的なガイドとして機能する。 パートIでは、テンソル構造やマトリックス製品状態(MPS)やツリーネットワーク(TTN)といったネットワーク表現など、基本的なトピックが取り上げられている。 第2部は量子力学のシミュレーションにおけるテンソルネットワークの実践的応用を探る。 最後の章ではテンソルネットワークにおける「量子魔法」の役割について論じている。
  論文  参考訳（メタデータ） (2025-03-06T13:31:17Z)
• An Invitation to Distributed Quantum Neural Networks [0.0]
  分散量子ニューラルネットワークにおける技術の現状を概観する。 量子データセットの分布は、量子モデルの分布よりも古典的な分布と類似性があることが分かる。
  論文  参考訳（メタデータ） (2022-11-14T00:27:01Z)
• On the uncertainty principle of neural networks [36.098205818550554]
  ニューラルネットワークは、敵攻撃に対して高い精度と堅牢性を同時に達成する能力において、基本的な限界として現れる不確実性関係の対象であることが示される。 量子物理学の基盤である相補性原理がニューラルネットワークに適用され、共役特徴の同時学習におけるそれらの能力に根本的な制限が課されることが明らかとなった。
  論文  参考訳（メタデータ） (2022-05-03T13:48:12Z)
• Tensor Methods in Computer Vision and Deep Learning [120.3881619902096]
  テンソル(tensor)は、複数の次元の視覚データを自然に表現できるデータ構造である。 コンピュータビジョンにおけるディープラーニングパラダイムシフトの出現により、テンソルはさらに基本的なものになっている。 本稿では,表現学習と深層学習の文脈において,テンソルとテンソル法を深く,実践的に検討する。
  論文  参考訳（メタデータ） (2021-07-07T18:42:45Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。