論文の概要: Training-Free Quantum Generative Paradigm via Local Parent Hamiltonians

• arxiv url: http://arxiv.org/abs/2605.25986v1
• Date: Mon, 25 May 2026 16:05:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.456874
• Title: Training-Free Quantum Generative Paradigm via Local Parent Hamiltonians
• Title（参考訳）: 局所親ハミルトニアンによる学習自由量子生成パラダイム
• Authors: Shu Tian, Jiaqi Hu, Rebing Wu, Yu Shi,
• Abstract要約: 本稿では,現在の生成モデルと根本的に異なる,トレーニング不要な量子生成パラダイムを提案する。 我々は,対象分布を符号化した局所的親ハミルトニアンを構築し,大域的ハミルトニアンを解くことにより,パラメータトレーニングなしで画像とテキストの生成を可能にする。
• 参考スコア（独自算出の注目度）: 7.784702517625411
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a training-free quantum generative paradigm, which is fundamentally different from current generative models, which demand substantial computational power, face practical scalability limits, and often function as opaque black boxes, despite their remarkable success. We enable image and text generation without parameter training, by constructing a local parent Hamiltonian whose ground state encodes the target distribution and then solving the global Hamiltonian. Rooted directly in quantum mechanical principles, this approach establishes a new pathway for generative modeling that leverages superposition and entanglement to maintain global consistency.
• Abstract（参考訳）: 本稿では,計算能力を必要とする現行の生成モデルと根本的に異なる量子生成パラダイムを提案し,実用的スケーラビリティの限界に直面し,その顕著な成功にもかかわらず,しばしば不透明なブラックボックスとして機能する。 我々は,対象分布を符号化した局所的親ハミルトニアンを構築し,大域的ハミルトニアンを解くことにより,パラメータトレーニングなしで画像とテキストの生成を可能にする。 量子力学の原理で直接回転されるこのアプローチは、重ね合わせと絡み合いを利用してグローバルな一貫性を維持する生成モデリングの新しい経路を確立する。

関連論文リスト

• Quantum Scrambling Born Machine [0.0]
  量子生成モデリングでは、ボルン則が確率分布を自然に定義しており、量子コンピューティングの短期的応用として有望である。 固定エンタングリングユニタリーがマルチキュービットの絡み合いを提供する量子スクランブルボルンマシンを提案し, 単一キュービット回転のみを最適化する。 本研究では, ベンチマーク分布とシステムサイズを考慮した場合, エンタングルがほぼハール型エンタングルメントを生成すると, スクランブラの微視的起源に対して弱い感度で対象分布を学習することを示す。
  論文  参考訳（メタデータ） (2026-02-19T11:33:56Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• Work Statistics and Quantum Trajectories: No-Click Limit and non-Hermitian Hamiltonians [50.24983453990065]
  本稿では,連続監視量子システムにおける量子作業統計の枠組みについて述べる。 我々のアプローチは自然に量子ジャンププロセスから生じる非エルミート力学を取り入れている。 局所スピンモニタリング下での一次元横フィールドイジングモデルを解析することにより,我々の理論的枠組みを説明する。
  論文  参考訳（メタデータ） (2025-04-15T23:21:58Z)
• Quantum State Generation with Structure-Preserving Diffusion Model [33.108168285414195]
  本稿では、量子系の(混合)状態の生成モデリングについて考察する。 鍵となる貢献は、量子状態の物理的性質を尊重するアルゴリズム的な革新である。
  論文  参考訳（メタデータ） (2024-04-09T14:21:51Z)
• Generative Learning of Continuous Data by Tensor Networks [45.49160369119449]
  本稿では,連続データのためのテンソルネットワーク生成モデルについて紹介する。 我々は、このモデルの性能を、いくつかの合成および実世界のデータセットでベンチマークする。 本手法は, 急速に成長する生成学習分野において, 量子インスピレーション法の有効性を示す重要な理論的, 実証的な証拠を与える。
  論文  参考訳（メタデータ） (2023-10-31T14:37:37Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Hamiltonian Quantum Generative Adversarial Networks [4.806505912512235]
  本稿では、未知の入力量子状態を生成することを学ぶために、ハミルトン量子生成共振器ネットワーク(HQuGAN)を提案する。 提案手法は,多体多体量子状態に絡み合った多体量子状態の学習能力を数値的に示す。
  論文  参考訳（メタデータ） (2022-11-04T16:53:55Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)

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。