論文の概要: Learning with Active Quantum Subspaces: Scalable Hybrid Advantage without Full Quantum Data-Encoding

• arxiv url: http://arxiv.org/abs/2606.00932v1
• Date: Sat, 30 May 2026 23:40:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.985655
• Title: Learning with Active Quantum Subspaces: Scalable Hybrid Advantage without Full Quantum Data-Encoding
• Title（参考訳）: アクティブな量子サブスペースによる学習:完全量子データエンコーディングのないスケーラブルなハイブリッドアドバンテージ
• Abstract要約: 量子状態に古典的な大きな入力を埋め込むことなく、量子学習の利点が持続できるかどうかを考察する。 我々は、入力の情報を含むサブセットのみを量子表現に持ち上げる、アクティブな量子サブスペースデータ符号化を導入する。 本結果は,QRAMのないハイブリッド学習を一般化し,NISQ互換の量子優位性に向けたスケーラブルな経路を提供する。
• 参考スコア（独自算出の注目度）: 5.496928375514333
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We study whether quantum learning advantage can persist without fully embedding a large classical input into a highly superposed quantum state. To address this question, we introduce active quantum subspace data-encoding, in which only an information-bearing subset of the input is lifted to a quantum representation while the remaining variables stay classical. For this model, we define a projected hybrid readout and prove three structural results. First, the projected hybrid kernel is positive semidefinite and its sample regularized dimension is bounded by the number of projected observables, so the dimension blow-up of naive global kernels is avoided. Second, we give a necessary and sufficient criterion for improvement over a purely classical predictor in squared loss: the projected quantum sector must contain a direction that lies outside the classical feature span and correlates with the classical residual. Third, in a realizable noisy-oracle setting, we derive a PAC sample-complexity bound proportional to the inverse square of the oracle reliability. We then show, for a canonical Clifford active-subspace family under local dephasing noise, that this reliability can remain inverse-polynomial even when the encoding gate complexity grows polynomially with system size. Hence, the polynomial encoding cost does not by itself destroy the hybrid learning advantage. A sixty-four-qubit family and a synthetic contextual classification task illustrate how one projected quantum feature can compress a useful high-order interaction into a low-dimensional hybrid model. Our results generalize QRAM-free hybrid learning and provide a scalable route toward NISQ-compatible quantum advantage without full quantum data-encoding.
• Abstract（参考訳）: 量子学習の利点は、古典的な大きな入力を重畳された量子状態に完全に埋め込むことなく、持続できるかどうかを考察する。 この問題に対処するために、能動的量子部分空間データ符号化を導入し、残りの変数が古典的でありながら、入力の情報を含むサブセットのみを量子表現に引き上げる。 このモデルでは、予測されたハイブリッド読み出しを定義し、3つの構造的結果を示す。 第一に、投影されたハイブリッドカーネルは正の半定値であり、そのサンプル正規化次元は、投影された可観測物の数によって制限されるので、単純で大域的なカーネルの爆発は避けられる。 第二に、正方形損失における純粋古典的予測器よりも改善するための必要十分かつ十分な基準を与える: 投射された量子セクターは古典的特徴範囲の外にある方向を含み、古典的残差と相関する。 第三に、実現可能なノイズ・オークル設定では、オラクル信頼性の逆二乗に比例したPACサンプル・コンプレクティリティを導出する。 次に、局所的減音雑音下での標準クリフォード活性部分空間群に対して、符号化ゲートの複雑さがシステムサイズとともに多項式的に増大しても、この信頼性は逆ポリノミカルのままであることを示す。 したがって、多項式符号化コスト自体がハイブリッド学習の優位性を損なうことはない。 604量子ビット族と合成文脈分類タスクは、1つの射影量子特徴が低次元ハイブリッドモデルに有用な高次相互作用を圧縮する方法を示す。 本研究は,QRAMのないハイブリッド学習を一般化し,完全な量子データエンコーディングを行なわずに,NISQ互換の量子優位性に向けたスケーラブルな経路を提供する。

関連論文リスト

• Learnable yet not simulable: a quantum resource theory of learning models [57.695822250391906]
  量子資源が量子回路の古典的な学習可能性を支配するかは、いまだ不明である。 チューナブル量子回路系の期待値関数について検討する。 これらの結果は,古典シミュレーションと学習の境界を記述するための定量的な資源理論の枠組みを確立する。
  論文  参考訳（メタデータ） (2026-08-03T14:48:03Z)
• Hybrid Quantum-Classical Neural Networks for Recognizing Quantum Phases [27.960775552553272]
  量子位相認識のためのハイブリッド量子古典ニューラルネットワークを導入,実装する。 最適化ループで超伝導量子ハードウェアを用いて両方のコンポーネントをトレーニングする。 磁場中で最大4x4のサイトを持つ表面符号格子の量子位相の分類器を実験的に実証した。
  論文  参考訳（メタデータ） (2026-06-26T15:49:45Z)
• Readout-Side Bypass for Residual Hybrid Quantum-Classical Models [3.609274776085931]
  量子機械学習(QML)はコンパクトで表現力のある表現を約束するが、測定ボトルネックに悩まされる。 本稿では,分類前の生入力で量子的特徴を確認可能な,軽量な残差ハイブリッドアーキテクチャを提案する。 我々のモデルは、低通信コストとプライバシーの堅牢性を保ちながら、量子ベースラインよりも最大で55%精度が向上する。
  論文  参考訳（メタデータ） (2025-11-25T23:27:53Z)
• Entanglement and Classical Simulability in Quantum Extreme Learning Machines [0.0]
  本稿では,古典的エクストリーム学習マシンの量子アナログである量子エクストリーム学習マシン(QELM)について検討する。 我々のアーキテクチャは、(PCAまたはオートエンコーダを介して)次元の減少、量子状態の符号化、XXハミルトニアンの下での進化、および射影測定を組み合わせたものである。 この性能向上は、古典データの埋め込みを改善する絡み合いの開始と相関することを示す。
  論文  参考訳（メタデータ） (2025-09-08T16:43:37Z)
• Hybrid Quantum-Classical Learning of Nonlinear Entanglement Witnesses via Continuous-Variable Quantum Neural Networks [0.0]
  連続可変量子ニューラルネットワーク(CV-QNN)を用いた非線形絡み合い証を量子データから直接学習するハイブリッド量子古典的フレームワークを提案する。 我々のアーキテクチャは、変分干渉計、スクレーパー、非ガウスのカーゲートと小型の古典的ニューラルヘッドを組み合わせてスカラー目撃値を出力する。 量子測定段階が情報的に完備である場合、ハイブリッドモデルは、コンパクトな状態集合上の任意の連続的な証人様関数を近似することができることを示す。
  論文  参考訳（メタデータ） (2025-09-07T04:45:59Z)
• Quantum Data Encoding and Variational Algorithms: A Framework for Hybrid Quantum Classical Machine Learning [0.0]
  量子機械学習(QML)は、量子力学の計算フレームワークと古典的な機械学習の適応特性を統合する。 この記事では、古典的なデータパイプラインと量子アルゴリズムの接続を可能にする広範なアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-17T16:04:04Z)
• Resourcefulness of non-classical continuous-variable quantum gates [0.0]
  連続変数量子計算では、量子計算の優位性を実現する重要な要素を特定することが長年の課題である。 我々は,$(s)$-ordered quasiprobabilities の手法を利用して,量子ゲートの量子的優位性の潜在的な達成への寄与を同定する,包括的で汎用的なアプローチを開発する。
  論文  参考訳（メタデータ） (2024-10-11T20:03:53Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
  効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。 量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。 我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
  論文  参考訳（メタデータ） (2021-06-11T18:00:09Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。