論文の概要: Quantum Feature Amplification Network (QFAN) as An Autoregressive Quantum Generative Model

• arxiv url: http://arxiv.org/abs/2605.16044v1
• Date: Fri, 15 May 2026 15:16:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.332164
• Title: Quantum Feature Amplification Network (QFAN) as An Autoregressive Quantum Generative Model
• Title（参考訳）: 自己回帰量子生成モデルとしての量子特徴増幅ネットワーク(QFAN)
• Authors: Jamal Slim, Saverio Monaco, Florian Rehm, Dirk Kruecker, Kerstin Borras,
• Abstract要約: 現在の量子実証は、高エネルギー物理学で使用される検出器スケールの測度よりもはるかに低いままである。 ブロックのシーケンスとして画像を生成することで、このレジスタサイズのボトルネックを取り除く量子特徴増幅ネットワーク(QFAN)を導入する。 生成チェーンを通したショットノイズ伝播に拘束された保守的な最悪のケースを導出し、到達可能なシーケンシャル深さに対して実証的なデコーダ容量を与える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Direct-register quantum generative models for calorimeter shower simulation tie the quantum output dimension to the image dimension, so the required register size grows with the full image. Recent quantum-assisted methods reduce this pressure only by moving part of the generative task into hybrid latent-variable models. Consequently, current quantum demonstrations remain far below detector-scale geometries used in high-energy physics. We introduce the Quantum Feature Amplification Network (QFAN), which removes this register-size bottleneck by generating an image as a sequence of blocks. Each block is produced by the same small parameterized quantum circuit, conditioned on a compressed summary of the pixels already generated. Reusing the circuit fixes the qubit requirement by block size rather than full image size, while the per-step quantum processing cost is independent of image size for the Pauli-observable family used here. We derive a conservative worst-case bound on shot-noise propagation through the generation chain and give an empirical decoder-capacity heuristic for the reachable sequential depth. A three-qubit circuit with twelve shared variational parameters, closed-form ridge decoders, and a post-hoc residual sampler reproduces per-pixel intensity distributions, inter-pixel correlations, and total energy distributions of calorimeter showers on both simulator and IBM quantum hardware. At this scale, the hardware-simulator gap is consistent with optimization-budget limits dominating over device noise, although the experiments do not causally separate these effects. The results establish a hardware-compatible proof of principle and motivate, but do not validate, larger-scale extrapolations within this circuit family.
• Abstract（参考訳）: カロリーメータシャワーシミュレーションのための直接登録型量子生成モデルは、量子出力次元を画像次元に結びつけるため、必要なレジスタサイズは全画像とともに増大する。 最近の量子アシスト法は、生成タスクの一部をハイブリッド潜在変数モデルに移行することによってのみ、この圧力を減少させる。 その結果、現在の量子実証は高エネルギー物理学で使われる検出器スケールの測度よりもはるかに低いままである。 ブロックのシーケンスとして画像を生成することで、このレジスタサイズのボトルネックを取り除く量子特徴増幅ネットワーク(QFAN)を導入する。 各ブロックは、既に生成されたピクセルの圧縮要約に基づいて条件付けられた、同じ小さなパラメータ化量子回路によって生成される。 回路の再利用は、完全な画像サイズではなくブロックサイズでキュービット要求を修正し、一方、ステップごとの量子処理コストは、ここで使用されるパウリ観測可能なファミリーの画像サイズとは無関係である。 生成チェーンを通したショットノイズ伝播に拘束された保守的な最悪のケースを導出し、到達可能なシーケンシャル深さに対して実証的なデコーダ容量ヒューリスティックを与える。 12の共有変分パラメータ、閉形式リッジデコーダ、およびポストホック残差サンプリング器を備えた3量子回路は、シミュレータとIBM量子ハードウェアの両方上での温度計シャワーの画素ごとの強度分布、画素間相関、および総エネルギー分布を再現する。 このスケールでは、ハードウェアとシミュレータのギャップは、デバイスノイズよりも支配的な最適化-予算制限と一致しているが、実験はこれらの効果を因果的に分離しない。 その結果、ハードウェア互換の原理証明とモチベーションが確立されるが、回路ファミリ内の大規模な外挿は検証されない。

関連論文リスト

• End-to-End QGAN-Based Image Synthesis via Neural Noise Encoding and Intensity Calibration [13.610834459583344]
  Quantum Generative Adversarial Networks (QGAN)は、短期的な量子デバイス上でのデータ分散を学習するための、有望なパスを提供する。 画像合成のための既存のQGANは、古典的な後処理やパッチベースの手法に依存して、直接のフルイメージ生成を避ける。 D-qubit量子回路を用いてN=2Dピクセル画像全体を合成するエンドツーエンドフレームワークReQGANを提案する。
  論文  参考訳（メタデータ） (2026-03-19T07:09:24Z)
• Digital Quantum Simulation of the Holstein-Primakoff Transformation on Noisy Qubits [40.8066152850216]
  クラウドベースの超伝導量子プロセッサ上でのボソニックモードのディジタル量子シミュレーションについて検討する。 アルゴリズムとハードウェアが引き起こすエラーの相互作用を検証し、最適なシミュレーションパラメータを同定する。
  論文  参考訳（メタデータ） (2026-02-19T20:14:04Z)
• Quantum Algorithm Framework for Phase-Contrast Transmission Electron Microscopy Image Simulation [0.16114012813668935]
  本稿では、位相コントラスト透過電子顕微鏡(CTEM)画像形成をシミュレーションするための量子アルゴリズムフレームワークを提案する。 このフレームワークは、CTEM理論から量子回路への物理地上マッピングを提供する。
  論文  参考訳（メタデータ） (2026-02-13T20:26:27Z)
• Improving GANs by leveraging the quantum noise from real hardware [0.0]
  本稿では,GAN(生成逆数ネットワーク)に対する新しいアプローチを提案する。 固有量子乱数性とデバイス固有の不完全性は、GAN性能を高める構造的帰納バイアスを与えることができることを示す。
  論文  参考訳（メタデータ） (2025-07-02T16:56:09Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
  本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。 QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す 混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
  論文  参考訳（メタデータ） (2024-01-13T10:56:34Z)
• Quantum Computing Simulation of a Mixed Spin-Boson Hamiltonian and Its Performance for a Cavity Quantum Electrodynamics Problem [0.0]
  本稿では,光子ホッピングを許容する一対の空洞における相転移をシミュレーションする手法を提案する。 シミュレーションは、控えめな量の量子資源で行うことができる。
  論文  参考訳（メタデータ） (2023-10-17T15:25:35Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Protecting the quantum interference of cat states by phase-space compression [45.82374977939355]
  独自の位相空間干渉特性を持つキャット状態は、量子力学を理解するための理想的な候補である。 これらは光子損失に非常に敏感であり、必然的にガウスの量子的非ガウス的特徴を減少させる。 ここでは,猫状態の位相空間分布を圧縮することにより,これらの非ガウス的特徴を保護する。
  論文  参考訳（メタデータ） (2022-12-02T16:06:40Z)

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。