論文の概要: A Novel Hierarchy of Quantum Kernel Networks on Smoothed Particle Hydrodynamics

• arxiv url: http://arxiv.org/abs/2604.24159v1
• Date: Mon, 27 Apr 2026 08:15:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.802636
• Title: A Novel Hierarchy of Quantum Kernel Networks on Smoothed Particle Hydrodynamics
• Title（参考訳）: スムース粒子流体力学における量子カーネルネットワークの新しい階層
• Authors: Yudong Li, Wenkui Shi, Chunfa Wang, Zhihao Qian, Zhiqiang Feng, Moubin Liu,
• Abstract要約: この研究は、量子カーネルネットワークの粒子流体力学への統合の先駆者である。 改良型量子パーセプトロン(QMLP)に基づく多用途ラグランジアン量子ネットワークモデルを開発した。 このフレームワークは、ユーリパリン量子ニューラルネットワークのいくつかの連続ベンチマークを通じて検証される。
• 参考スコア（独自算出の注目度）: 3.934403110868379
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Currently, quantum computing and artificial intelligence are driving revolutionary advancements in computational science. This study pioneers the integration of quantum kernel networks on smoothed particle hydrodynamics (SPH). SPH has matured into a highly versatile meshfree/particle method, exceptionally suited for tracking spatiotemporal trajectories and dynamic modeling phenomena. We developed a hierarchy of Lagrangian quantum network models built upon an improved quantum multilayer perceptron (QMLP). Specifically, a sequential hybrid quantum-classical framework is constructed, utilizing Pauli-Z expectation values over traditional probability outputs to ensure robust gradient-based optimization and mitigate barren plateaus. It combines smoothing kernels with quantum learning, establishing a novel quantum intelligent SPH paradigm. The framework is validated through some continuous benchmarks on eurypalynous quantum neural networks, static multi-level nebula vortex interference reconstructions and transient scalar field advectional tests. Numerical results demonstrate that while pure elementary quantum circuits struggle with parameter-specific generalization in unstructured domains, the proposed hybrid crossed-QMLP seamlessly matches the fitting accuracy of classical SPH in quantum optimized space. Although this approach currently faces limitations in computational efficiency and hardware implementation, it nonetheless paves the way for a novel investigation into quantum SPH, by mapping unstructured Lagrangian particle topologies into integrated quantum circuits.
• Abstract（参考訳）: 現在、量子コンピューティングと人工知能は、計算科学の革命的な進歩を推進している。 この研究は、スムーズな粒子流体力学(SPH)における量子カーネルネットワークの統合の先駆者である。 SPHは高度に多用途なメッシュフリー/粒子法に成熟し、時空間軌跡や動的モデリング現象を追跡するのに非常に適している。 改良された量子多層パーセプトロン(QMLP)上に構築されたラグランジアン量子ネットワークモデルの階層構造を開発した。 具体的には、従来の確率出力に対するパウリ-Z期待値を利用して、ロバストな勾配に基づく最適化とバレン高原の緩和を図る。 平滑なカーネルと量子学習を組み合わせることで、新しい量子インテリジェントなSPHパラダイムを確立する。 このフレームワークは、ユーリパリン系量子ニューラルネットワーク、静的多層星雲渦干渉再構成、過渡スカラー場対流試験の連続ベンチマークを通じて検証されている。 数値計算により、純基本量子回路は非構造領域におけるパラメータ特異的な一般化に苦慮するが、提案したハイブリッドQMLPは量子最適化空間における古典的なSPHの適合精度をシームレスにマッチングすることを示した。 このアプローチは現在、計算効率とハードウェア実装の限界に直面しているが、非構造ラグランジアン粒子トポロジを集積量子回路にマッピングすることで、量子SPHの新たな研究の道を開く。

関連論文リスト

• Multi-Partitioned Meshfree Quantum Finite Particle Method: A Hybrid Quantum Framework for Fluid Flow [3.857420815948075]
  本研究では、量子コンピューティングパラダイムとメッシュフリー有限粒子法を統合する量子古典ハイブリッドフレームワークを構築した。 量子重ね合わせと絡み合いを利用して、臨界計算カーネルをハイブリダイズした。 粒子力学の線形結合をハイブリダイズするために量子コンピューティングを統合することは、有効な高性能コンピューティングパラダイムであることを示す。
  論文  参考訳（メタデータ） (2025-09-14T13:59:42Z)
• Iterative Quantum Feature Maps [0.0]
  量子回路を量子特徴写像(QFM)として活用する量子機械学習モデルは、学習タスクにおける表現力の向上によって認識される。 実際の量子ハードウェアに深いQFMをデプロイすることは、回路ノイズとハードウェアの制約のため、依然として難しい。 提案するIterative Quantum Feature Map (IQFMs)は,浅部QFMを古典的に計算された拡張重みで反復的に接続することにより,深いアーキテクチャを構築するハイブリッド量子古典的フレームワークである。
  論文  参考訳（メタデータ） (2025-06-24T09:40:10Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• 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)
• Flowing Through Hilbert Space: Quantum-Enhanced Generative Models for Lattice Field Theory [0.9208007322096533]
  このような状態下での量子強調サンプリングを探索するために,ハイブリッド量子古典正規化フローモデルを開発した。 提案手法では,パラメータ化量子回路を古典正規化フローアーキテクチャに組み込み,振幅エンコーディングと量子絡み合いを利用して生成過程における表現性を高める。
  論文  参考訳（メタデータ） (2025-05-15T17:58:16Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• 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)

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。