論文の概要: Harmoniq: Efficient Data Augmentation on a Quantum Computer Inspired by Harmonic Analysis

• arxiv url: http://arxiv.org/abs/2604.18691v1
• Date: Mon, 20 Apr 2026 18:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.397432
• Title: Harmoniq: Efficient Data Augmentation on a Quantum Computer Inspired by Harmonic Analysis
• Title（参考訳）: Harmoniq:高調波解析にインスパイアされた量子コンピュータ上の効率的なデータ拡張
• Authors: Kristina Kirova, Monika Doerfler, Franz Luef, Richard Kueng,
• Abstract要約: 本稿では,変分パラダイムを超えて,概念的に異なる量子機械学習アプローチを提案する。 Harmoniqは量子調和解析から新しいデータ拡張手法を採用し、nビット回路と(少なくとも)深さの混合として近似する。 Harmoniqの重要な強みはモジュラリティである。密度に作用する量子プロセスと見なすと、他の量子データ処理や学習サブルーチンと簡単に組み合わせることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning has attracted significant interest in recent years. Most existing approaches, however, are variational in nature and require extensive parameter optimization subroutines. Here, we propose a conceptually distinct quantum machine learning approach that goes beyond the variational paradigm. Harmoniq takes a novel data augmentation technique from quantum harmonic analysis and approximates it as a stochastic mixture of n-qubit circuits with (at most) quadratic depth each. A key strength of Harmoniq is its modularity: viewed as a quantum process acting on density matrices, it can readily be combined with other quantum data processing and learning subroutines. A subsequent case study demonstrates this modularity by combining Harmoniq with stochastic amplitude encoding for the input density matrix and quantum PCA on the output density matrix. This results in a promising signal denoising pipeline that works particularly well in the small sample size regime.
• Abstract（参考訳）: 量子機械学習は近年、大きな関心を集めている。 しかし、既存のほとんどのアプローチは、本質的に変動し、広範なパラメータ最適化サブルーチンを必要とする。 本稿では,変分パラダイムを超えて,概念的に異なる量子機械学習アプローチを提案する。 Harmoniq は量子調和解析から新たなデータ拡張手法を採用し、これを n-量子回路と(ほとんど)2次深さの確率的混合として近似する。 密度行列に作用する量子プロセスと見なすと、他の量子データ処理やサブルーチンの学習と簡単に組み合わせることができる。 その後のケーススタディでは、Harmoniqと入力密度行列の確率振幅エンコーディングと、出力密度行列上の量子PCAを組み合わせることで、このモジュラリティを実証している。 これにより、特に小さなサンプルサイズでうまく機能する有望な信号分解パイプラインが実現される。

関連論文リスト

• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Quantum Data Encoding and Variational Algorithms: A Framework for Hybrid Quantum Classical Machine Learning [0.0]
  量子機械学習(QML)は、量子力学の計算フレームワークと古典的な機械学習の適応特性を統合する。 この記事では、古典的なデータパイプラインと量子アルゴリズムの接続を可能にする広範なアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-17T16:04:04Z)
• An efficient explicit implementation of a near-optimal quantum algorithm for simulating linear dissipative differential equations [0.0]
  ハミルトンシミュレーション(LCHS)の線形結合実装のための効率的なブロック符号化手法を提案する。 このアルゴリズムはハミルトン進化の重み付き和として対象の非単位作用素を近似する。 簡単な座標変換に基づいてLCHSを量子回路に効率よく符号化する。
  論文  参考訳（メタデータ） (2025-01-19T19:03:29Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum benefit of the quantum equation of motion for the strongly coupled many-body problem [0.0]
  量子運動方程式 (quantum equation of motion, QEOM) はフェルミオン多体系の励起特性を計算するためのハイブリッド量子古典アルゴリズムである。 我々は、qEOMが要求される量子測定数の独立性により量子的利益を示すことを明らかに示している。
  論文  参考訳（メタデータ） (2023-09-18T22:10:26Z)
• Dense outputs from quantum simulations [5.295277584890625]
  量子密度出力問題は、時間依存の量子力学から時間累積観測値を評価する過程である。 この問題は量子制御や分光計算などの応用で頻繁に発生する。 我々は、早期および完全フォールトトレラントな量子プラットフォームの両方で動作するように設計されたアルゴリズムを提示する。
  論文  参考訳（メタデータ） (2023-07-26T18:16:51Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• Simulating nonnative cubic interactions on noisy quantum machines [65.38483184536494]
  量子プロセッサは、ハードウェアに固有のものではないダイナミクスを効率的にシミュレートするためにプログラムできることを示す。 誤差補正のないノイズのあるデバイスでは、モジュールゲートを用いて量子プログラムをコンパイルするとシミュレーション結果が大幅に改善されることを示す。
  論文  参考訳（メタデータ） (2020-04-15T05:16:24Z)

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。