論文の概要: Quantum Kernels for Parity-Structured Classification: A Hybrid Pipeline

• arxiv url: http://arxiv.org/abs/2605.05625v1
• Date: Thu, 07 May 2026 03:25:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.500992
• Title: Quantum Kernels for Parity-Structured Classification: A Hybrid Pipeline
• Title（参考訳）: パリティ構造分類のための量子カーネル:ハイブリッドパイプライン
• Authors: Tushar Pandey,
• Abstract要約: 量子カーネルの優位性は、パリティ、XOR則に入る特徴の数に依存し、明確なしきい値の挙動を見出す。 同一の0, pi特徴に基づいて訓練されたバイナリエンコーディング Ablation, RBF SVM は、回路効果からエンコーディングを分離する。
• 参考スコア（独自算出の注目度）: 0.14323566945483496
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Parity (XOR) classification requires detecting discrete, high-order feature interactions that smooth classical kernels cannot efficiently capture. We study how quantum kernel advantage depends on parity complexity, the number of features entering the XOR rule, and find a clear threshold behavior. We pair a ZZ quantum feature map with binary {0, pi} encoding (features median thresholded before circuit input) to expose parity structure. A binary encoding ablation, RBF SVM trained on the identical {0, pi} features, separates encoding from circuit effects: at low complexity (n = 5 features), binary RBF achieves 83.4% +/- 1.7% and the quantum kernel 81.2% +/- 1.9%, showing encoding drives performance there. At high complexity (n = 11 features, 11 qubits, r = 3 ZZ repetitions), all classical methods collapse to near-random (approx. 50%), binary RBF reaches only 54.3% +/- 1.1%, and the quantum ZZ kernel achieves 66.3% +/- 3.2% (mean +/- std, 10 seeds), a +12.0 percentage-point margin over the binary ablation and approx. 7x higher kernel-target alignment (0.094 +/- 0.020 vs. 0.013 +/- 0.001). These results identify parity complexity as a concrete axis along which genuine quantum kernel advantage, not attributable to encoding alone, emerges.
• Abstract（参考訳）: Parity (XOR)分類では、スムーズな古典的カーネルが効率的に捕捉できない、離散的で高次の特徴的相互作用を検出する必要がある。 量子カーネルの優位性は、パリティの複雑さ、XOR則に入る特徴の数に依存し、明確なしきい値の挙動を求める。 パリティ構造を公開するために、ZZ量子特徴写像とバイナリ {0, pi}エンコーディング(回路入力前の閾値の中央値)をペアリングする。 同一の {0, pi} 機能に基づいて訓練されたバイナリエンコーディング RBF SVM は、回路効果から分離する:低複雑性(n = 5 特徴)では、バイナリRBF は 83.4% +/- 1.7%、量子カーネル 81.2% +/- 1.9% を達成する。 高複雑性(n = 11 、11 qubits、r = 3 ZZ 繰り返し)では、すべての古典的手法がほぼランダム(50%)に崩壊し、バイナリRBFは54.3% +/- 1.1%にしか達せず、量子ZZカーネルは66.3% +/-3.2%(平均+/-std、10シード)となり、バイナリアブレーションと近似よりも+12.0ポイントの差が与えられる。 7倍のカーネルターゲットアライメント(0.094+/-0.020 vs. 0.013+/- 0.001)を実現した。 これらの結果はパリティの複雑さを具体的な軸として認識し、真の量子カーネルの優位性はエンコーディングのみに起因するものではない。

関連論文リスト

• ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems [51.56484100374058]
  LongMemEval-500では、ZenBrainは長いコンテキストのオラクルのバイナリ・ジャッジの精度を4.5pp以内と一致させる。 ZenBrainは7層の神経科学にインスパイアされたメモリアーキテクチャである。
  論文  参考訳（メタデータ） (2026-04-26T20:39:19Z)
• 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)
• Efficient Implementation of a Quantum Algorithm with a Trapped Ion Qudit [0.0]
  qudits($$レベルのシステム)は、ハードウェア効率とアルゴリズム性能の両方に潜在的な利点を提供する。 最大8レベルまでのイオンquditを捕捉した単一イオンquditのマルチトーン制御を実証した。 グルーバーの探索アルゴリズムの最初の実装は5次元と8次元のキューディットである。
  論文  参考訳（メタデータ） (2025-06-11T03:35:55Z)
• Benchmarking of quantum fidelity kernels for Gaussian process regression [1.7287035469433212]
  量子コンピューティングアルゴリズムは、機械学習の分類問題に対して性能の高い量子カーネルを生成することが示されている。 量子カーネルは、回帰問題に対して古典的カーネルと同じ表現性が得られるが、あまり良くない。
  論文  参考訳（メタデータ） (2024-07-22T18:19:48Z)
• Benchmarking the algorithmic performance of near-term neutral atom processors [0.0]
  デバイスシミュレーションによるRydberg原子量子コンピュータのアルゴリズム性能の評価を行った。 我々は、量子ビット接続とマルチキュービットゲートを動的に更新する能力を利用して、3つの異なる量子アルゴリズム関連のテストを検討する。 以上の結果から,Rydberg atom プロセッサは,さらなる拡張可能性に支えられ,有用な量子計算への道を開くことができる,競争の激しい短期プラットフォームであることが示唆された。
  論文  参考訳（メタデータ） (2024-02-03T11:55:02Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
  我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。 我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。 我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
  論文  参考訳（メタデータ） (2023-04-10T23:01:10Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Solving correlation clustering with QAOA and a Rydberg qudit system: a full-stack approach [94.37521840642141]
  量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。 具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。 ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-22T11:07:38Z)

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。