論文の概要: A Comprehensive Analysis of Accuracy and Robustness in Quantum Neural Networks

• arxiv url: http://arxiv.org/abs/2604.26110v1
• Date: Tue, 28 Apr 2026 20:53:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.168871
• Title: A Comprehensive Analysis of Accuracy and Robustness in Quantum Neural Networks
• Title（参考訳）: 量子ニューラルネットワークの精度とロバスト性に関する包括的解析
• Authors: Ban Q. Tran, Duong M. Chu, Hai T. D. Pham, Viet Q. Nguyen, Quan A. Pham, Susan Mengel,
• Abstract要約: 量子機械学習(QML)は、最近、非常に有望な研究フロンティアとして登場した。 本研究は、一般化、精度、堅牢性の臨界次元に焦点を当てる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Machine Learning (QML) has recently emerged as a highly promising research frontier. Within this domain, Quantum Neural Networks (QNNs),characterized by Variational Quantum Circuits (VQCs) at their core and featuring layers of quantum gates optimized by classical algorithms, have garnered significant attention. However, a rigorous and exhaustive evaluation of their practical performance remains largely incomplete. In this study, we conduct a comprehensive comparative analysis of three prominent hybrid classical-quantum architectures: Quantum Convolutional Neural Networks (QCNN), Quantum Recurrent Neural Networks (QRNN), and Quantum Vision Transformers (QViT), focusing on the critical dimensions of generalization, accuracy, and robustness. Our findings provide novel insights that address previous evaluative gaps. Notably, while these models exhibit exceptional performance on low-feature datasets such as MNIST, their learning efficacy degrades significantly when transitioned to high-feature datasets. Furthermore, convolutional-based models like QCNN appear less effective on high-dimensional data than other machine learning architectures. Additionally, while all models are susceptible to adversarial noise, traditional architectures, such as recurrent and convolutional networks, demonstrate superior resilience. Conversely, in the presence of quantum noise, the transformer-based architecture proves its strength by maintaining high robustness against measurement noise, channel noise, and finite-shot effects, whereas other architectures suffer marked performance declines. These results provide a granular perspective on the current state of the field and underscore the critical importance of tailoring model selection to the constraints of contemporary Noisy Intermediate-Scale Quantum (NISQ) environments.
• Abstract（参考訳）: 量子機械学習(QML)は、最近、非常に有望な研究フロンティアとして登場した。 この領域の中で、量子ニューラルネットワーク(QNN)は、そのコアに変分量子回路(VQC)が組み込まれ、古典的なアルゴリズムによって最適化された量子ゲートの層が特徴的である。 しかし、厳密で徹底的な実践評価はほとんど不完全なままである。 本研究では、量子畳み込みニューラルネットワーク(QCNN)、量子リカレントニューラルネットワーク(QRNN)、量子ビジョントランスフォーマー(QViT)の3つの顕著なハイブリッド量子アーキテクチャの総合的な比較分析を行い、一般化、精度、堅牢性に焦点をあてる。 本研究は,従来の評価的ギャップに対処する新たな知見を提供する。 特に、これらのモデルはMNISTのような低機能データセットでは例外的な性能を示すが、その学習効率は高機能データセットに移行すると著しく低下する。 さらに、QCNNのような畳み込みベースのモデルは、他の機械学習アーキテクチャよりも高次元データに対して効果が低いように見える。 さらに、全てのモデルが敵対的ノイズの影響を受けやすい一方で、リカレントや畳み込みネットワークといった従来のアーキテクチャは優れたレジリエンスを示している。 逆に、量子ノイズの存在下では、トランスフォーマーベースのアーキテクチャは、測定ノイズ、チャネルノイズ、有限ショット効果に対する高い堅牢性を維持することで、その強度を証明している。 これらの結果から,現在のノイズ中規模量子(NISQ)環境の制約に対するモデル選択の調整の重要性が示唆された。

関連論文リスト

• Quantum inspired qubit qutrit neural networks for real time financial forecasting [0.0]
  この研究は、モデル間でのトレーニング時間とパフォーマンスメトリクスに大きな違いを浮き彫りにしている。 Quantum Qutritベースのニューラルネットワークは、リスク調整されたリターンのアドバンテージにより、一貫してパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2026-04-20T21:03:33Z)
• Performance Analysis of Quantum Support Vector Classifiers and Quantum Neural Networks [0.0]
  本研究では、機械学習タスクの古典モデルと比較して、量子支援ベクトル(QSVC)と量子ニューラルネットワーク(QNN)の性能について検討する。 量子モデルは問題の複雑さが増大するにつれて古典的アプローチを上回る傾向にある。 QNNは、量子負荷の増加により、より複雑度の高いタスクにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2025-12-01T09:36:57Z)
• 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)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Hybrid Quantum Neural Networks with Variational Quantum Regressor for Enhancing QSPR Modeling of CO2-Capturing Amine [0.9968037829925945]
  我々は,CO2捕捉アミンの構造-適合関係モデルを改善するために,ハイブリッド量子ニューラルネットワーク(HQNN)を開発した。 HQNNは、塩基性、粘性、沸点、融点、蒸気圧などの主要な溶媒特性の予測精度を向上させる。
  論文  参考訳（メタデータ） (2025-03-01T07:26:45Z)
• Quantum Neural Networks: A Comparative Analysis and Noise Robustness Evaluation [4.2435928520499635]
  現在のノイズの多い中間規模量子(NISQ)デバイスでは、ハイブリッド量子ニューラルネットワーク(HQNN)が有望なソリューションを提供する。 QCNN(Quantum Convolution Neural Network)、Quannal Neural Network(QuanNN)、Quantum Transfer Learning(QTL)など、様々なHQNNアルゴリズムの比較分析を行う。 我々は,異なる絡み合い構造を持つ量子回路における各アルゴリズムの性能,層数の変化,アーキテクチャにおける最適配置を評価する。
  論文  参考訳（メタデータ） (2025-01-24T11:23:26Z)
• Physics-inspired Machine Learning for Quantum Error Mitigation [15.243176527806126]
  量子エラー除去のための機械学習のための物理に着想を得たニューラルネットワークであるNNAS(Neural Noise Accumulation Surrogate)を紹介する。 NNASは多層回路に量子ノイズ蓄積の構造的特徴を取り入れ、物理的解釈性を持つモデルを提供する。 QEM法が通常苦労する深い回路では、NNASはエラーを半分以上削減する。
  論文  参考訳（メタデータ） (2025-01-08T15:07:48Z)
• CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
  Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-08-28T00:56:03Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• The dilemma of quantum neural networks [63.82713636522488]
  量子ニューラルネットワーク(QNN)は、古典的な学習モデルに対して何の恩恵も与えないことを示す。 QNNは、現実世界のデータセットの一般化が不十分な、極めて限られた有効モデル能力に悩まされている。 これらの結果から、現在のQNNの役割を再考し、量子的優位性で現実の問題を解決するための新しいプロトコルを設計せざるを得ない。
  論文  参考訳（メタデータ） (2021-06-09T10:41:47Z)

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。