論文の概要: SQGen: Structured Quantum Image Generation with Latent-Modulated Quantized Tensor Trains

• arxiv url: http://arxiv.org/abs/2607.06058v2
• Date: Tue, 14 Jul 2026 07:58:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 12:51:44.347215
• Title: SQGen: Structured Quantum Image Generation with Latent-Modulated Quantized Tensor Trains
• Title（参考訳）: SQGen:潜在変調量子テンソルトレインを用いた構造化量子画像生成
• Abstract要約: 本稿では,量子化テンソルトレイン(QTT)上に潜在変調アーキテクチャを備えた完全量子発生器であるSQGenを提案する。 画像データセットと合成データの実験により、SQGenは安定して、古典的なデコーダを持たない浅い回路から画像のエンドツーエンドを生成できることを示した。
• 参考スコア（独自算出の注目度）: 34.589572571878215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating images directly from quantum systems is an attractive but unresolved goal on NISQ hardware. Existing quantum generators face several coupled obstacles: barren plateaus that block trainability, expensive quantum circuit preparation, and hardware noise that erodes quantum information with depth. A further difficulty is producing image-scale output without a classical decoder, whose use would otherwise break the end-to-end quantum advantage. We propose SQGen, a full quantum generator built on a quantized tensor train (QTT) with a latent modulation architecture. Specifically, SQGen promotes the QTT bond index of the target pixel distribution to ancilla bond qubits, so that each circuit site operates locally on a bond register plus the two physical qubits that carry the row- and column-bit of one image scale. We further introduce latent modulation: each re-uploading rotation is factorized at the angle level into a trainable main path plus an additive latent term, reducing to the trainable main path when the latent term is disabled. During training, we create a differentiable model in the classical system under gate-compatibility constraints, with a torus prior as the latent distribution. After training, every operator maps one-to-one to a native quantum gate, yielding a compact, deployable quantum circuit with no classical decoder in the inference path. Together, these design choices address the obstacles raised above. Extensive experiments on image datasets and synthetic data demonstrate that SQGen trains stably, generates images end-to-end from a shallow circuit with no classical decoder, and shows promising feasibility on real quantum hardware.
• Abstract（参考訳）: 量子システムから直接画像を生成することは、NISQハードウェア上で魅力的だが未解決の目標である。 既存の量子発生器は、訓練性を妨げる不毛の台地、高価な量子回路の準備、深さで量子情報を侵食するハードウェアノイズなど、いくつかの障害に直面している。 さらに難しいのは、古典的なデコーダを使わずに画像スケールの出力を生成することだ。 本稿では,量子化テンソルトレイン(QTT)上に潜在変調アーキテクチャを備えた完全量子発生器であるSQGenを提案する。 具体的には、SQGenは、ターゲット画素分布のQTT結合指数をアンシラ結合量子ビットに促進し、各回路部位が1つの画像スケールの行ビットと列ビットを持つ2つの物理量子ビットの結合レジスタ上で局所的に動作するようにする。 さらに、各再載荷回転は、トレーニング可能なメインパスと付加的な潜在項に分解され、遅延項が無効になった場合、トレーニング可能なメインパスに還元される。 訓練中、私たちはゲート適合性制約の下で古典的なシステムにおいて微分可能なモデルを作成し、トーラスは潜時分布に先行する。 訓練後、全ての演算子は1対1でネイティブの量子ゲートにマップし、推論パスに古典的なデコーダを持たないコンパクトでデプロイ可能な量子回路を生成する。 これらの設計上の選択は、上述した障害に対処する。 画像データセットと合成データに関する大規模な実験により、SQGenは安定してトレーニングを行い、古典的なデコーダを持たない浅い回路から画像をエンドツーエンドに生成し、実際の量子ハードウェアに有望な実現性を示す。

関連論文リスト

• CoQui: A Coordinate-Conditioned Quantum Implicit Generative Adversarial Network for End-to-End Image Generation [14.668365971999515]
  QGAN(Quantum Generative Adversarial Network)は、パラメータ化量子回路を用いた画像生成に注目が集まっている。 既存の振幅ベースのアプローチは2つの重要な制限に直面している。 量子画像生成を座標条件付暗黙関数学習として再構成する。
  論文  参考訳（メタデータ） (2026-08-12T10:10:22Z)
• Scaling Quantum Machine Learning without Tricks: High-Resolution and Diverse Image Generation [0.0]
  我々は、確立された古典的MNISTとFashion-MNISTデータセットに基づいて量子ワッサースタインGANを訓練する。 我々は、トリックなしで単一エンドツーエンドの量子発生器を用いて、新しい最先端の性能を確立する。 また,本手法がカラー画像に拡張可能であることを示す。
  論文  参考訳（メタデータ） (2026-02-27T19:00:02Z)
• Structured Unitary Tensor Network Representations for Circuit-Efficient Quantum Data Encoding [33.951713386684425]
  TNQEは、構造化ユニタリテンソルネットワーク表現上に構築された回路効率の量子データ符号化フレームワークである。 TNQEは、2つの相補的なコア・ツー・サーキット戦略を通じて、結果として生じるテンソルコアを符号化回路にコンパイルする。 様々なベンチマークにおいて、TNQEは振幅エンコーディングの深さが0.04倍の浅さで符号化回路を実現する。
  論文  参考訳（メタデータ） (2026-02-18T08:36:07Z)
• Hybrid Quantum Repeater Chains with Atom-based Quantum Processing Units and Quantum Memory Multiplexers [0.0]
  本稿では、原子ベースの量子処理ユニット、自発パラメトリックダウンコンバージョン光子源、原子周波数コム量子メモリを統合したハイブリッド量子リピータの設計を提案する。 線形リレーダチェーンモデルにおけるエンドツーエンド秘密鍵レートに対するハイブリッド設計の利点を実証する。
  論文  参考訳（メタデータ） (2025-12-25T12:53:46Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• HQViT: Hybrid Quantum Vision Transformer for Image Classification [48.72766405978677]
  本稿では,モデル性能を向上しつつ,モデルトレーニングを高速化するHybrid Quantum Vision Transformer(HQViT)を提案する。 HQViTは振幅エンコーディングによる全画像処理を導入し、位置エンコーディングを追加せずにグローバルな画像情報をよりよく保存する。 様々なコンピュータビジョンデータセットの実験により、HQViTは既存のモデルよりも優れており、最大10.9%(MNIST 10-classification task)の改善を実現している。
  論文  参考訳（メタデータ） (2025-04-03T16:13:34Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• 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)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。