論文の概要: Hybrid Classical-Quantum Variational Autoencoder for Neural Topic Modeling

• arxiv url: http://arxiv.org/abs/2606.13852v1
• Date: Thu, 11 Jun 2026 19:31:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.60474
• Title: Hybrid Classical-Quantum Variational Autoencoder for Neural Topic Modeling
• Title（参考訳）: ニューラルトピックモデリングのためのハイブリッド古典量子変分オートエンコーダ
• Authors: Ivan Kankeu,
• Abstract要約: トピックモデリングのための古典量子変分オートエンコーダ(VAE)を提案する。 VAEは、古典的なトピックワードデコーダを保持しながら、パラメータ化された量子回路をVAE推論ネットワークに埋め込む。 AgNewsデータセットでは、ハイブリッドVAEが最先端のニューラルトピックモデルを上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural topic models enable scalable semantic discovery, but their integration with quantum hardware remains largely unexplored. We present a proof-of-concept hybrid classical-quantum variational autoencoder (VAE) for topic modeling, embedding parameterized quantum circuits within the VAE inference network while retaining a classical topic-word decoder. To address the resource constraints of quantum hardware, we propose a modified Gaussian Softmax posterior that decouples latent space dimensionality from the number of topics to be extracted, enabling the model to operate with a low-resource 10-qubit quantum device. On the AgNews dataset, the hybrid VAE outperforms state-of-the-art neural topic models (NTMs), reaching a $C_v$ coherence score of 0.71 and an NPMI score of 0.20 while preserving high topic diversity. For comparison, we also construct a fully classical variant, which also outperforms state-of-the-art models on AgNews and exhibits clear class separation in the latent space. These results demonstrate that hybrid VAEs are computationally viable even on NISQ-era devices and represent a promising direction for quantum-enhanced topic modeling.
• Abstract（参考訳）: ニューラルトピックモデルはスケーラブルなセマンティックディスカバリを可能にするが、量子ハードウェアとの統合はほとんど探索されていない。 本稿では,従来のトピックワードデコーダを維持しつつ,VAE推論ネットワーク内にパラメータ化量子回路を埋め込んだ,トピックモデリングのための概念ハイブリッド古典量子変分オートエンコーダ(VAE)を提案する。 量子ハードウェアの資源制約に対処するため,提案手法を改良したガウスソフトマックス後部において,抽出対象トピック数から遅延空間次元を分離し,低リソース10量子ビットの量子デバイスでモデルを動作させる手法を提案する。 AgNewsデータセットでは、ハイブリッドVAEは最先端のニューラルトピックモデル(NTM)より優れており、高いトピックの多様性を維持しながら、C_v$コヒーレンススコアが0.71、NPMIスコアが0.20に達する。 比較のために、AgNewsの最先端モデルよりも優れ、潜在空間において明確なクラス分離を示すような、完全に古典的な変種も構築する。 これらの結果から, NISQ時代のデバイスでもハイブリッドVAEは計算可能であり, 量子化されたトピックモデリングにおいて有望な方向性を示すことが示された。

関連論文リスト

• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• A Classical-Quantum Hybrid Architecture for Physics-Informed Neural Networks [0.0]
  本稿では,QPINN-MACを用いた量子古典的ハイブリッド物理インフォームドニューラルネットワークについて紹介する。 古典的成分と量子的成分の戦略的結合により、QPINN-MACは普遍近似特性を保持する。 これらの結合が勾配崩壊を防ぎ、高次元状態においてもトレーニング性を確保することを実証する。
  論文  参考訳（メタデータ） (2025-11-10T15:39:18Z)
• 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)
• 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)
• TunnElQNN: A Hybrid Quantum-classical Neural Network for Efficient Learning [0.0]
  我々は古典層と量子層を交互に構成した非系列アーキテクチャTunnElQNNを開発した。 マルチクラス分類タスクのための半円間半円合成データセット上でのハイブリッドモデルの性能評価を行った。 以上の結果から,TunnElQNNモデルはReLUQNNモデルよりも一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2025-05-02T00:30:50Z)
• Multi-Scale Feature Fusion Quantum Depthwise Convolutional Neural Networks for Text Classification [3.0079490585515343]
  量子畳み込みに基づく新しい量子ニューラルネットワーク(QNN)モデルを提案する。 我々は、パラメータの数を著しく減らし、計算複雑性を下げる量子深度畳み込みを開発する。 また,単語レベルの特徴と文レベルの特徴を統合することで,モデル性能を向上させるマルチスケール機能融合機構を導入する。
  論文  参考訳（メタデータ） (2024-05-22T10:19:34Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。