論文の概要: Quantum Convolutional Autoencoders for Reconstruction-Based Anomaly Detection

• arxiv url: http://arxiv.org/abs/2607.02135v1
• Date: Thu, 02 Jul 2026 13:11:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.83819
• Title: Quantum Convolutional Autoencoders for Reconstruction-Based Anomaly Detection
• Title（参考訳）: 再構成に基づく異常検出のための量子畳み込みオートエンコーダ
• Abstract要約: 量子畳み込みニューラルネットワーク(QCNN)は量子機械学習(QML)でますます人気が高まっている。 本研究では,QCNNアーキテクチャを再構成に基づく異常検出のための量子オートエンコーダフレームワークに適用する。
• 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: Quantum convolutional neural networks (QCNNs) have become increasingly popular in quantum machine learning (QML) due to their efficient parameterization and hierarchical representation of quantum information. Anomaly detection is an important machine learning task with applications across a wide range of domains, including scientific data analysis. In this work, we adapt a QCNN architecture into a quantum autoencoder (QAE) framework for reconstruction-based anomaly detection. The models are trained in a semi-supervised manner on normal samples to reconstruct feature-extracted and dimensionally reduced time-series data, with reconstruction error used as an anomaly score. We investigate two quantum convolutional autoencoder architectures that differ in their treatment of latent information: a hierarchical architecture in which information remains distributed across the circuit and a bottleneck-based architecture in which information is explicitly compressed and reconstructed using additional decoder qubits. The size of the quantum latent space is varied to study its influence on reconstruction accuracy and anomaly detection performance. The approaches are benchmarked against both a variational quantum circuit and a comparable classical baseline using a real-world exoplanet anomaly-detection dataset. Results indicate a trade-off between latent-space size and model capacity, while also suggesting that explicit latent-space compression through a quantum bottleneck can improve anomaly detection performance relative to architectures that retain information throughout the circuit.
• Abstract（参考訳）: 量子畳み込みニューラルネットワーク(QCNN)は、量子情報の効率的なパラメータ化と階層的表現のため、量子機械学習(QML)でますます人気が高まっている。 異常検出は、科学データ分析を含む幅広い分野の応用において重要な機械学習タスクである。 本研究では,QCNNアーキテクチャを量子オートエンコーダ(QAE)フレームワークに適応させて,再構成に基づく異常検出を行う。 モデルは、通常のサンプルに基づいて半教師付きで訓練され、特徴抽出および次元的に低減された時系列データを再構成し、再構成誤差を異常スコアとして使用する。 遅延情報処理において異なる2つの量子畳み込みオートエンコーダアーキテクチャについて検討する。回路全体に情報を分散させる階層アーキテクチャと、追加のデコーダ量子ビットを用いて情報を明示的に圧縮・再構成するボトルネックベースアーキテクチャである。 量子潜在空間の大きさは、再構成精度と異常検出性能に与える影響を研究するために変化する。 これらのアプローチは、実世界の外惑星異常検出データセットを用いて、変動量子回路と同等の古典的ベースラインの両方に対してベンチマークされる。 その結果、潜在空間サイズとモデルキャパシティのトレードオフを示すとともに、量子ボトルネックによる明示的な潜在空間圧縮は、回路全体の情報を保持するアーキテクチャと比較して異常検出性能を向上させることが示唆された。

関連論文リスト

• Hybrid Quantum CNN for Cross-Sensor Spaceborne Volcanic Thermal Activity Recognition Worldwide [63.84017474733142]
  本研究では,地球規模での火山熱活動のクロスセンサ認識のためのハイブリッド量子AlexNetアーキテクチャを提案する。 提案モデルでは,高次空間特徴抽出のための古典的畳み込みバックボーンと,変分層として機能するパラメータ化量子回路(PQC)を組み合わせた。 実験により, 提案したハイブリッド量子モデルは, より識別的な特徴表現を学習し, 異種火山環境におけるクロスセンサの伝達性やロバスト性の向上につながることが示された。
  論文  参考訳（メタデータ） (2026-07-29T08:34:44Z)
• A Correlation Aware Quantum Feature Map for Variational Quantum Classification [0.0]
  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。
  論文  参考訳（メタデータ） (2026-06-19T16:12:10Z)
• A Comprehensive Analysis of Accuracy and Robustness in Quantum Neural Networks [0.0]
  量子機械学習(QML)は、最近、非常に有望な研究フロンティアとして登場した。 本研究は、一般化、精度、堅牢性の臨界次元に焦点を当てる。
  論文  参考訳（メタデータ） (2026-04-28T20:53:23Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Regression of Functions by Quantum Neural Networks Circuits [41.09105068326236]
  本研究では,回帰タスクの自動量子回路構築について検討する。 遺伝的アルゴリズムフレームワークを導入し、Reduceed Regressor QNNアーキテクチャを発見する。
  論文  参考訳（メタデータ） (2025-12-23T01:58:03Z)
• Neural Architecture Search for Quantum Autoencoders [30.784540105806784]
  本稿では,量子オートエンコーダの設計を自動化するニューラルネットワーク探索(NAS)フレームワークを提案する。 変分量子回路(VQC)の構成を体系的に進化させることにより,本手法はハイパフォーマンスなハイブリッド量子古典型オートエンコーダの同定を試みる。
  論文  参考訳（メタデータ） (2025-11-24T15:55:44Z)
• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Enhancing Network Anomaly Detection with Quantum GANs and Successive Data Injection for Multivariate Time Series [6.576759206183036]
  本稿では,異常検出のためのQGANアーキテクチャを提案する。 データ再アップロードとSuDaIを統合することで、アプローチは古典的なデータを量子状態に効率的にマッピングする。 QGANは、異常検出において高いリコールとF1スコアとともに高い精度を達成し、古典モデルと比較して低いMSEを達成する。
  論文  参考訳（メタデータ） (2025-05-16T18:47:42Z)
• Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
  画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。 QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。 複数のデータセットとパラメータ構成でその性能を評価する。
  論文  参考訳（メタデータ） (2024-04-26T08:42:58Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)

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。