論文の概要: A Correlation Aware Quantum Feature Map for Variational Quantum Classification

• arxiv url: http://arxiv.org/abs/2606.21570v1
• Date: Fri, 19 Jun 2026 16:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 12:39:37.41297
• Title: A Correlation Aware Quantum Feature Map for Variational Quantum Classification
• Title（参考訳）: 変分量子分類のための相関型量子特徴写像
• Authors: Murat Kurt,
• Abstract要約: 相関対応量子特徴マップ(CAQFM)は、機能依存を量子符号化プロセスに統合する。 提案手法はPearson, Spearman, Kendall Tau, Mutual Information, Distance correlation を用いて特徴間の関係を同定する。 その結果、相関に基づく量子符号化は従来の符号化方式に比べて分類性能が向上することを示した。
• 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: Quantum machine learning has emerged as a promising research area for learning complex data patterns. However, most existing quantum feature maps employ fixed encoding strategies that do not explicitly consider the relationships among features within a dataset. In this study, we propose a Correlation Aware Quantum Feature Map (CAQFM) which integrates feature dependencies into the quantum encoding process. The proposed approach utilizes Pearson, Spearman, Kendall Tau, Mutual Information, and Distance Correlation measures to identify relationships among features. Dependencies exceeding a predefined threshold are incorporated into the quantum circuit through controlled quantum gates, enabling the construction of richer quantum representations that better reflect the underlying structure of the data. The proposed method is evaluated using a Variational Quantum Classifier (VQC) on three benchmark datasets, namely breast cancer diagnosis, credit default prediction, and student placement classification. Simulation results demonstrate that correlation based quantum encoding can improve classification performance compared to conventional encoding strategies. In particular, the Spearman and Kendall Tau based CAQFM variants achieved the highest predictive performance and consistently outperformed standard quantum feature maps. The findings indicate that incorporating dependency information from classical data into quantum feature maps facilitates the generation of more discriminative quantum representations and enhances the effectiveness of variational quantum classifiers.
• Abstract（参考訳）: 量子機械学習は、複雑なデータパターンを学習するための有望な研究領域として登場した。 しかし、既存の量子特徴写像の多くは、データセット内の特徴間の関係を明示的に考慮しない固定符号化戦略を採用している。 本研究では,機能依存を量子符号化プロセスに統合した相関対応量子特徴写像(CAQFM)を提案する。 提案手法はPearson, Spearman, Kendall Tau, Mutual Information, Distance correlation を用いて特徴間の関係を同定する。 予め定義されたしきい値を超える依存は、制御された量子ゲートを介して量子回路に組み込まれ、データの基本構造をよりよく反映するよりリッチな量子表現を構築することができる。 提案手法は,乳がん診断,クレジットデフォルト予測,学生配置分類という3つのベンチマークデータセットを用いて,変分量子分類器(VQC)を用いて評価する。 シミュレーションの結果、相関に基づく量子符号化は従来の符号化方式に比べて分類性能が向上することを示した。 特に、Spearman と Kendall Tau をベースとした CAQFM は、予測性能が最も高く、標準量子特徴写像よりも一貫して優れていた。 その結果、古典的データからの依存情報を量子特徴写像に組み込むことにより、より識別的な量子表現の生成が促進され、変分量子分類器の有効性が向上することが示唆された。

関連論文リスト

• 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)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• 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)
• Benchmarking quantum machine learning kernel training for classification tasks [0.0]
  本研究は、分類タスクの文脈における量子カーネル法に焦点を当てる。 量子カーネル推定(QKE)と量子カーネル訓練(QKT)の性能を2つの量子特徴写像と関連づけて検討する。 実験結果から、量子法は異なるデータセット間で様々な性能を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-17T10:53:06Z)
• Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
  No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。 我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。 得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。 この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
  論文  参考訳（メタデータ） (2024-05-12T09:05:13Z)
• Understanding the effects of data encoding on quantum-classical convolutional neural networks [0.0]
  量子化法の主要な構成要素は、古典的なデータを量子状態に埋め込むために使用されるデータ符号化戦略である。 本研究では、2つの医用画像データセット上での量子古典的畳み込みニューラルネットワーク(QCCNN)の性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-05-05T18:44:08Z)
• MORE: Measurement and Correlation Based Variational Quantum Circuit for Multi-classification [10.969833959443495]
  MOREは、測定と相関に基づく変分量子多重分類器の略である。 我々はQiskit Pythonライブラリを使ってMOREを実装し、ノイズフリーとノイズの多い量子システムの両方で広範囲にわたる実験により評価する。
  論文  参考訳（メタデータ） (2023-07-21T19:33:10Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum information spreading in a disordered quantum walk [50.591267188664666]
  量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。 我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。 以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
  論文  参考訳（メタデータ） (2020-10-20T20:03:19Z)

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。