論文の概要: Quantum-classical hybrid models based on error correction for time series forecasting

• arxiv url: http://arxiv.org/abs/2606.15213v1
• Date: Sat, 13 Jun 2026 09:20:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.057729
• Title: Quantum-classical hybrid models based on error correction for time series forecasting
• Title（参考訳）: 時系列予測における誤り訂正に基づく量子古典ハイブリッドモデル
• Authors: Jonathan H. A. de Carvalho, Filipe C. de L. Duarte, Fernando M. de Paula Neto, Paulo S. G. de Mattos Neto,
• Abstract要約: 本稿では,量子モデルと古典モデルとを併用した誤り訂正に基づく最初の予測システムを提案する。 この研究は、時系列予測のための確立されたハイブリダイゼーションスキームに量子モデルを導入する方法である。
• 参考スコア（独自算出の注目度）: 42.39594273417575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time series forecasting largely benefits from combining the strengths of different models, especially using a scheme where a model corrects another model by capturing supplementary patterns from forecasting errors. Concurrently, quantum models are providing a means to augment the classical capacity, including in time series forecasting, by acting alongside classical models in hybrid architectures. In this work, we propose the first forecasting system based on error correction that jointly uses quantum and classical models. Here, quantum models first extract patterns by exploring quantum phenomena, and classical models capture the remaining patterns from the quantum errors. Compared to classical single models and classical-classical hybrid models based on error correction, the complementary capacity that emerges from this quantum-classical system provided the best results in most of the addressed problems. Therefore, this work paves the way to introduce quantum models in established hybridization schemes for time series forecasting.
• Abstract（参考訳）: 時系列予測は、特にモデルが予測エラーから補足パターンをキャプチャすることで他のモデルを修正するスキームを用いて、異なるモデルの強みを組み合わせることで大きな恩恵を受ける。 同時に、量子モデルは、ハイブリッドアーキテクチャにおいて古典的なモデルと協調して振る舞うことによって、時系列予測を含む古典的なキャパシティを増強する手段を提供している。 本研究では,量子モデルと古典モデルとを併用した誤り訂正に基づく最初の予測システムを提案する。 ここでは、量子モデルはまず量子現象を探索することでパターンを抽出し、古典モデルは量子エラーから残りのパターンをキャプチャする。 古典的単一モデルや古典的ハイブリッドモデルと比較すると、この量子古典システムから生じる相補的な能力は、ほとんどの問題において最良の結果をもたらした。 したがって、この研究は、時系列予測のための確立されたハイブリダイゼーションスキームにおける量子モデル導入の道を開いた。

関連論文リスト

• Testing classical-quantum gravity with geodesic deviation [0.0]
  測地線偏差の量子揺らぎと古典的な重力場について検討する。 我々は、変動から期待されるひずみスペクトルを解析的に導出し、重力波実験の現在の観測感度でオリジナルのオッペンハイム等のモデルをテストすることができることを示した。 新しい半古典的モデルにより、アインシュタイン方程式と明確に一致した修正オッペンハイム等モデルと、環境に誘起されるノイズを持つ古典量子モデルという2つの追加モデルを構築した。
  論文  参考訳（メタデータ） (2026-03-31T03:53:22Z)
• Quantum-Enhanced Generative Models for Rare Event Prediction [0.0]
  本稿では,変分量子回路に潜伏変数モデルを統合するハイブリッド古典量子フレームワークQuantum-Enhanced Generative Model (QEGM)を提案する。 合成ガウス混合物と,財務,気候,タンパク質構造にまたがる実世界のデータセットのQEGMを評価した。 その結果、QEGMは最先端のベースラインに比べて、尾部KLの分岐を最大50%減少させることが示された。
  論文  参考訳（メタデータ） (2025-11-03T20:24:55Z)
• 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)
• When Quantum and Classical Models Disagree: Learning Beyond Minimum Norm Least Square [1.9223856107206057]
  変分量子回路(VQC)は、量子コンピューティングの有用な応用のための重要な候補である。 回帰問題に対する量子アドバンテージの一般理論を提案する。 古典的に近似できない量子モデルを良い一般化で設計することは可能であることを示す。
  論文  参考訳（メタデータ） (2024-11-07T18:18:38Z)
• 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)
• Classical-Quantum Hybrid Models [0.0]
  このようなモデルに対するモチベーションを示し、それらが満たさなければならない要件を概説し、開発に必要な説明を提供する。 本稿では, 可逆力学を中心に, 様々な非相対論的スキームとその関連する制約について概観する。
  論文  参考訳（メタデータ） (2023-09-10T12:25:05Z)
• Quantum Effects on the Synchronization Dynamics of the Kuramoto Model [62.997667081978825]
  量子揺らぎは同期の出現を妨げるが、完全に抑制するわけではない。 モデルパラメータへの依存を強調して,臨界結合の解析式を導出する。
  論文  参考訳（メタデータ） (2023-06-16T16:41:16Z)
• 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。