論文の概要: QuChaTeR: A Hybrid Quantum-Chaotic Temporal Framework for Earthquake Prediction

• arxiv url: http://arxiv.org/abs/2605.16454v1
• Date: Thu, 14 May 2026 13:40:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.488074
• Title: QuChaTeR: A Hybrid Quantum-Chaotic Temporal Framework for Earthquake Prediction
• Title（参考訳）: QuChaTeR - 地震予知のためのハイブリッド量子カオス時間フレームワーク
• Authors: Emir Kaan Özdemir,
• Abstract要約: QuChaTeRは、ウェーブレットベースの前処理、カオスマップ、変分量子回路と繰り返し構造を組み合わせたハイブリッドアーキテクチャで、時間的特徴抽出を強化する。 実世界の地震データセットでは、QuChaTeRは複数の評価基準にまたがって、より高速で優れた性能を一貫して収束させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Seismic prediction remains challenging due to the highly nonlinear and chaotic dynamics of earthquake signals. While classical deep learning models such as LSTMs and CNNs capture local temporal features, and quantum models offer richer state representations, their integration with chaos-driven mechanisms is underexplored. We introduce QuChaTeR, a hybrid architecture that combines wavelet-based preprocessing, chaotic maps, and variational quantum circuits with recurrent structures to enhance temporal feature extraction. Implemented in PyTorch and PennyLane, QuChaTeR is benchmarked against classical (LSTM, GRU, RNN, 1D-CNN, Reservoir Computing) and quantum-inspired (Quantum LSTM) baselines. On real-world seismic datasets, QuChaTeR consistently converges faster and achieves superior performance across multiple evaluation criteria. Despite promising results, scalability and quantum hardware limitations remain challenges. Overall, this work demonstrates how quantum-chaotic hybridization provides a practical pathway toward more accurate and robust earthquake prediction.
• Abstract（参考訳）: 地震信号の非常に非線形でカオス的なダイナミクスのため, 地震予知は依然として困難である。 LSTMやCNNのような古典的なディープラーニングモデルは、局所的な時間的特徴を捉え、量子モデルはよりリッチな状態表現を提供するが、カオス駆動機構との統合は過小評価されている。 我々は、ウェーブレットベースの前処理、カオスマップ、変分量子回路と繰り返し構造を組み合わせたハイブリッドアーキテクチャQuChaTeRを導入し、時間的特徴抽出を強化した。 PyTorchとPennyLaneで実装されたQuChaTeRは、古典的(LSTM, GRU, RNN, 1D-CNN, Reservoir Computing)と量子インスパイアされた(量子LSTM)ベースラインに対してベンチマークされる。 実世界の地震データセットでは、QuChaTeRは連続的に高速に収束し、複数の評価基準で優れた性能を達成する。 有望な結果にもかかわらず、スケーラビリティと量子ハードウェアの限界は依然として課題である。 全体として、この研究は、量子カオスハイブリッド化がより正確で堅牢な地震予知への実践的な経路を提供することを示す。

関連論文リスト

• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• QSearchNet: A Quantum Walk Search Framework for Link Prediction [0.0]
  リンク予測はグラフ理論における基本的な問題の1つである。 量子コンピューティングは、重畳を同時マルチパス探索に活用することで、強力な代替手段を提供する。 QSearchNetは、トポロジを意識した量子進化をシミュレートし、複数のノードにわたる振幅を同時に伝播する。
  論文  参考訳（メタデータ） (2025-09-30T22:32:34Z)
• 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)
• Quantum-Enhanced Channel Mixing in RWKV Models for Time Series Forecasting [0.0]
  ニューラルシークエンスモデリングの最近の進歩は、RWKVのようなアーキテクチャにつながり、リカレントスタイルの時間混合とフィードフォワードチャネルミキシングを組み合わせることで、効率的なロングコンテキスト処理を可能にする。 本稿では、標準フィードフォワードネットワーク(FFN)を部分的に変分量子回路(VQC)に置き換えるRWKVモデルのハイブリッド量子ピース拡張であるQuantumRWKVを提案する。 量子コンポーネントは、PennyLaneフレームワークを介してエンドツーエンドの微分性を保ちながら、非線形表現能力を高めるように設計されている。
  論文  参考訳（メタデータ） (2025-05-18T02:19:30Z)
• Contextualizing MLP-Mixers Spatiotemporally for Urban Data Forecast at Scale [54.15522908057831]
  本稿では,STTD予測を大規模に行うためのコンピュータ・ミクサーの適応版を提案する。 我々の結果は、この単純な効率の良いソリューションが、いくつかのトラフィックベンチマークでテストした場合、SOTAベースラインに匹敵する可能性があることを驚くほど示している。 本研究は, 実世界のSTTD予測において, 簡便な有効モデルの探索に寄与する。
  論文  参考訳（メタデータ） (2023-07-04T05:19:19Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)

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。