論文の概要: Quantum Feature Pyramid Gating for Seismic Image Segmentation

• arxiv url: http://arxiv.org/abs/2605.15370v1
• Date: Thu, 14 May 2026 19:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.078482
• Title: Quantum Feature Pyramid Gating for Seismic Image Segmentation
• Title（参考訳）: 地震画像セグメンテーションのための量子特性ピラミッドゲーティング
• Authors: Taha Gharaibeh, Jyotsna Sharma,
• Abstract要約: この研究は、ハイブリッドセグメンテーションアーキテクチャである量子特徴ゲーティングを導入している。 パラメータ化量子回路をエンコーダ・デコーダパイプライン内の特徴核融合点に埋め込む。 2018年のTGS Salt Identification Challengeでは、101 x 101の解像度で4,000の地震画像を用いて評価されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate salt-body delineation is essential for seismic interpretation because salt structures distort wave propagation, complicate velocity-model building, obscure reservoir geometry, and increase uncertainty in exploration and drilling decisions. Although hybrid quantum-classical models have shown competitive performance on small-scale image-classification tasks, their value for dense, pixel-level geophysical prediction remains largely untested. This work introduces quantum feature gating, a hybrid segmentation architecture that embeds a parameterized quantum circuit (PQC) at feature-fusion points within an encoder-decoder pipeline. A 4-qubit, 2-layer PQC with data re-uploading computes a learned convex combination of lateral and top-down features at each Feature Pyramid Network merge point. A global-average-pooling layer maps encoder features to a fixed 4-dimensional quantum input, decoupling the 72-parameter quantum budget from backbone size and image resolution. The method is evaluated on the 2018 TGS Salt Identification Challenge using 4,000 seismic images at 101 x 101 resolution, across two integration topologies, eight circuit variants, and six encoders with 8M to 118M parameters under five-fold cross-validation. In a controlled EfficientNetV2-L ablation at 256 x 256 resolution, replacing the three Quantum FPN Gates with element-wise addition while holding the encoder, loss schedule, splits, and threshold search fixed reduces mean IoU from 0.9389 to 0.8404, a 9.85 percentage-point gap. Inserting the same circuit as skip-connection attention in a custom U-Net improves IoU by 0.88 points over the SolidUNet baseline, showing that the PQC contribution depends on where and what it gates. These results provide controlled evidence that quantum feature fusion can improve dense seismic segmentation.
• Abstract（参考訳）: 塩構造が波動伝播を歪ませたり、速度モデルの構築を複雑にしたり、貯水池の形状を曖昧にしたり、探査や掘削の決定の不確実性を増大させたりするため、地震の解釈には正確な塩体デライン化が不可欠である。 ハイブリッド量子古典モデルは、小規模な画像分類タスクにおいて競合する性能を示したが、密度の高いピクセルレベルの物理予測値はほとんど証明されていない。 量子化量子回路(PQC)をエンコーダ・デコーダパイプライン内の特徴融合点に埋め込むハイブリッドセグメンテーションアーキテクチャである量子特徴ゲーティングを導入する。 データ再アップロードを伴う4量子2層PQCは、各Feature Pyramid Networkのマージポイントにおける横およびトップダウン機能の学習凸結合を計算する。 グローバル平均プール層はエンコーダを固定された4次元量子入力にマッピングし、72パラメータの量子予算をバックボーンサイズと画像解像度から分離する。 この手法は、2018年のTGS Salt Identification Challengeにおいて、2つの積分トポロジー、8つの回路変種、6つのエンコーダの8Mから118Mパラメータを5倍のクロスバリデーションで比較し、4000の地震像を101×101の解像度で評価した。 256×256の高効率NetV2-Lアブレーションでは、3つの量子FPNゲートをエンコーダ、ロススケジュール、スプリット、しきい値探索固定を保ちながら要素的に追加し、平均IoUを0.9389から0.8404に減らす。 カスタムU-Netでスキップ接続アテンションと同じ回路を挿入すると、SolidUNetベースライン上のIoUが0.88ポイント向上し、PQCのコントリビューションがどの位置とゲートに依存するかを示す。 これらの結果は、量子的特徴融合が密度の強い地震セグメンテーションを改善することができるという制御された証拠を与える。

関連論文リスト

• SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
  基底状態探索は量子コンピューティングの中心である。 我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。 我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
  論文  参考訳（メタデータ） (2026-03-25T13:38:15Z)
• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• Quantum Phase Classification of Rydberg Atom Systems Using Resource-Efficient Variational Quantum Circuits and Classical Shadows [0.0]
  本稿では,古典的シャドウトモグラフィと変分量子回路を組み合わせた量子機械学習手法を提案する。 量子資源の最小化は高精度位相分類に十分であることを示す。 この研究は、短期量子デバイス上での量子強化凝縮物質物理学の経路を確立する。
  論文  参考訳（メタデータ） (2025-10-27T16:25:16Z)
• Towards a Utility-Scale Quantum Edge Detection for Real-World Medical Image Data [0.0]
  量子アダマールエッジ検出(QHED)の品質と性能を向上させるための2段階分解戦略を提案する。 データレベル分解(Data-Level Decomposition)は、入力画像をP強調サブイメージに分割し、それぞれが別々の量子回路に符号化される。 回路レベル分解(Circuit-Level Decomposition)は、これらの回路を、短期量子デバイス上での実行に適したQ小さなサブ回路に分割するために用いられる。
  論文  参考訳（メタデータ） (2025-07-15T03:03:33Z)
• A Topologically Fault-Tolerant Quantum Computer with Four Dimensional Geometric Codes [2.991272555043746]
  トポロジカル量子符号は本質的に局所雑音に対するフォールトトレラントであり、トポロジカル位相の理論の根底にある。 本研究では, 4次元自己補正量子メモリを回転させることにより, トポロジカル量子符号の性能向上を図る。 論理的クリフォード演算の完全な集合を同定し、普遍的なフォールトトレラント量子アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2025-06-18T04:14:52Z)
• Distributed Quantum Neural Networks on Distributed Photonic Quantum Computing [3.299179876684316]
  トレーニング可能なパラメータが$M(M+1)/2$のフォトニック量子ニューラルネットワーク(QNN)は高次元確率分布を生成する。 フォトニックQTの精度は95.50% pm 0.84%$で、パラメータは3,292である。 フォトニックQTは6-12%の絶対精度で古典的な圧縮技術より優れている。
  論文  参考訳（メタデータ） (2025-05-13T11:58:45Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach [0.0]
  我々は、MNIST桁の画像を低次元の特徴空間に圧縮する画像分類のためのハイブリッド量子古典モデルを実装した。 オートエンコーダは、各28タイムs28$イメージ(784ピクセル)を64次元潜在ベクトルに圧縮する。 これらの特徴を5量子ビット量子状態にマッピングする。
  論文  参考訳（メタデータ） (2024-08-05T22:16:27Z)
• High-fidelity parallel entangling gates on a neutral atom quantum computer [41.74498230885008]
  最大60個の原子に99.5%の忠実度を持つ2量子エンタングリングゲートの実現を報告した。 これらの進歩は、量子アルゴリズム、誤り訂正回路、デジタルシミュレーションの大規模実装の基礎となった。
  論文  参考訳（メタデータ） (2023-04-11T18:00:04Z)
• Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent and Incoherent Photons Found with Gradient Search [77.34726150561087]
  我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。 我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
  論文  参考訳（メタデータ） (2023-02-28T07:36:02Z)
• CoDeNet: Efficient Deployment of Input-Adaptive Object Detection on Embedded FPGAs [41.43273142203345]
  FPGAの柔軟性を利用して、変形可能な畳み込みを伴う新しいオブジェクト検出パイプラインを開発する。 高効率実装では、ソリューションは毎秒26.9フレームに達し、小さなモデルサイズは0.76MBである。 我々のモデルはPascal VOCで67.1 AP50に達し、パラメータは20.9倍小さいがTiny-YOLOより10%正確である。
  論文  参考訳（メタデータ） (2020-06-12T17:56:47Z)

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。