論文の概要: Measurement-induced overconcentration in quantum generative models
- arxiv url: http://arxiv.org/abs/2607.10055v1
- Date: Sat, 11 Jul 2026 00:50:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.283002
- Title: Measurement-induced overconcentration in quantum generative models
- Title（参考訳）: 量子生成モデルにおける測定誘起過集中
- Abstract要約: 本稿では, 精度, 生成能力, 入力感度の3つの相補的指標を紹介する。
ハールランダム監視回路では、一段階モデルが入力感度を次元抑制補正まで保持していることが証明される。
本稿では,前方拡散と逆脱分極過程の時間的深さを制限する量子除極拡散確率モデル(QuDDPM)を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum measurement is a key resource for quantum generative learning, providing intrinsic stochasticity for generating diverse quantum samples. However, in measurement-assisted state-ensemble resampling, repeated measurements can also induce overconcentration: under a fixed measurement trajectory, distinct input states progressively converge toward similar output states, suppressing input-dependent diversity. To diagnose this effect, we introduce three complementary metrics: accuracy, generative power, and input sensitivity. For Haar-random monitored circuits, we prove that one-step models retain input sensitivity up to dimension-suppressed corrections, whereas sequential monitored circuits exhibit a depth-dependent loss of input sensitivity. Motivated by this diagnosis, we propose a truncated quantum denoising diffusion probabilistic model (QuDDPM), which restricts the temporal depth of both the forward diffusion and reverse denoising processes. Numerical benchmarks show that truncated QuDDPM preserves stronger input sensitivity while maintaining accuracy and generative power comparable to the original model. These results identify measurement-induced overconcentration as a dynamical limitation of deep monitored quantum generative models and establish temporal depth as a design parameter for balancing measurement-induced randomness with input-dependent diversity.
- Abstract（参考訳）: 量子測定は量子生成学習の鍵となる資源であり、多様な量子サンプルを生成するために固有の確率性を提供する。
しかし、測定支援状態アンサンブル再サンプリングでは、繰り返し測定によって過度な集中が引き起こされ、固定された測定軌道の下では、異なる入力状態が同様の出力状態に徐々に収束し、入力依存の多様性が抑制される。
この効果を診断するために, 精度, 生成力, 入力感度の3つの相補的指標を導入する。
Haar-random モニタ回路の場合、一段階モデルでは入力感度は次元抑制補正まで維持されるのに対し、逐次監視回路は入力感度の深さ依存的な損失を示す。
この診断により,前方拡散と逆偏極の両過程の時間的深さを制限する量子偏極拡散確率モデル (QuDDPM) を提案する。
数値ベンチマークでは、切り詰められたQuDDPMは、元のモデルに匹敵する精度と生成力を保ちながら、強い入力感度を維持する。
これらの結果は、測定誘起過集中を、深度監視量子生成モデルの動的制限として同定し、測定誘起ランダムネスと入力依存性の多様性のバランスをとるための設計パラメータとして時間深度を確立する。
関連論文リスト
- Mitigating Measurement-Induced Training Instability in Hybrid Quantum Neural Networks for Protein Classification [0.0]
学習可能なスケーリングパラメータである量子計測温度(Quantum Measurement Temperature, QMT)を導入し, 損失前に量子計測出力を再スケールする。
QMTは、トレーニング中に動作し、量子測定出力の物理的に課された境界を補償する。
その結果,QMTはハイブリッドQNNの安定かつ信頼性の高い訓練を実用化するために有効であることがわかった。
論文 参考訳（メタデータ） (2026-06-21T15:10:51Z) - Optimal multiparameter quantum estimation in accelerating Unruh-DeWitt detectors [0.09236074230806578]
本研究では、一様加速検出器のバイパートライト系における相対論的量子温度測定の最終的な精度限界について検討する。
消音ノイズは, 純粋に強調するメカニズムよりも, より高精度なノイズ損失をもたらすことを示す。
論文 参考訳（メタデータ） (2026-03-08T01:35:45Z) - Squeezed-Light-Enhanced Multiparameter Quantum Estimation in Cavity Magnonics [0.0]
本研究では,キャビティ-マグノン系におけるパラメータの同時推定精度を向上させるための実験的現実的手法を提案する。
システムに非線形性を導入すると、量子ノイズが著しく抑制されることを示す。
論文 参考訳（メタデータ） (2026-01-20T10:13:59Z) - Mitigating Barren plateaus in quantum denoising diffusion probabilistic models [49.90716699848553]
量子生成モデルは量子重ね合わせと絡み合いを利用して、古典データと量子データの両方の学習効率を向上させる。
QuDDPMは量子生成学習のための有望なフレームワークとして提案されている。
本研究は,QuDDPMにおけるバレンプラトーの出現について,2つの設計状態がデノナイジング過程の入力として用いられることによるものである。
本稿では,Haar分布から一定の距離を保ち,トレーニング性を向上したQuDDPMを提案する。
論文 参考訳（メタデータ） (2025-12-07T07:01:44Z) - Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。
本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-05T09:16:56Z) - A Quantum Neural Network-Based Approach to Power Quality Disturbances Detection and Recognition [15.789631792979366]
電力品質障害(PQD)は電力システムの安定性と信頼性に大きな影響を及ぼす。
本稿では,PQDの検出と認識のための改良型量子ニューラルネットワーク(QNN)モデルを提案する。
このモデルは、障害の検出、7つの単一障害の認識、10の混合障害の認識を含む実験で99.75%、97.85%、95.5%の精度を達成する。
論文 参考訳（メタデータ） (2024-06-05T09:10:11Z) - Quantum Conformal Prediction for Reliable Uncertainty Quantification in
Quantum Machine Learning [47.991114317813555]
量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。
本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
論文 参考訳（メタデータ） (2023-04-06T22:05:21Z) - Analyzing and Unifying Robustness Measures for Excitation Transfer
Control in Spin Networks [0.0]
スピン鎖と環における単一励起伝達の忠実度を評価するためのログ感度とRIMの相関について検討した。
予測される誤差の差分感度は, RIMの差分感度と一致し, 予測値が誤差確率分布上にあることを示す。
論文 参考訳（メタデータ） (2023-03-16T17:34:54Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Monotonicity and Double Descent in Uncertainty Estimation with Gaussian
Processes [52.92110730286403]
限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。
我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。
また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
論文 参考訳（メタデータ） (2022-10-14T08:09:33Z) - Continuous-time dynamics and error scaling of noisy highly-entangling
quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。
我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。
動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文 参考訳（メタデータ） (2021-02-08T14:55:44Z)
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。