論文の概要: The Fourier Wall: Why Public Tabular Datasets Refuse Quantum Advantage, and a Certified Recipe for Where It Lives

• arxiv url: http://arxiv.org/abs/2607.15815v1
• Date: Fri, 17 Jul 2026 10:24:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.819872
• Title: The Fourier Wall: Why Public Tabular Datasets Refuse Quantum Advantage, and a Certified Recipe for Where It Lives
• Title（参考訳）: フーリエの壁:なぜ公共のタブラルデータセットが量子アドバンテージを排除し、それがどこにあるか認定されたレシピ
• Abstract要約: 量子機械学習モデルは通常、注意深く調整された古典的なベースラインを失う。 シミュレーション不要な構造画面であるSPECTRAとして条件を運用する。 工業用スマートメーターデータでは、SPECTRAは実際のピーク負荷目標を正しく拒否し、勾配木は0.999のROC-AUCに達する。
• 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: Across public tabular benchmarks, quantum machine-learning (QML) models usually lose to carefully tuned classical baselines. We argue that this is a structural property of the datasets rather than merely a limitation of current models. Because an angle-encoded quantum neural network is a partial Fourier series, a genuine advantage can arise only when the target spectrum is simultaneously off-grid, of interaction order at least three, high-frequency, supported by near-independent features, and dense beyond practical enumeration. We call the failure to satisfy these conditions the Fourier wall. We operationalize the conditions as SPECTRA, a two-tier certificate: a simulator-free structural screen followed by a decisive comparison between a matched quantum model and five tuned classical twins using paired-bootstrap confidence bounds. On industrial smart-meter data, SPECTRA correctly refuses the real peak-load target, for which gradient-boosted trees reach a held-out ROC-AUC of 0.999. On the same real energy phases with labels generated by an interacting quantum process, the dynamics-matched quantum model reaches 0.994 versus 0.699 for the best generic classical baseline, and collapses to chance when its interaction couplings are ablated. An exact classical simulator ties the quantum model at small width but incurs measured exponential evaluation cost, with an estimated hardware crossover near 13-19 sites. These results provide a practical recipe for identifying, engineering, and deploying quantum-advantage candidates in tabular data.
• Abstract（参考訳）: パブリックな表型ベンチマーク全体において、量子機械学習(QML)モデルは、古典的なベースラインを慎重に調整することに失敗する。 これは、単に現在のモデルの制限ではなく、データセットの構造的特性である、と我々は主張する。 角度符号化された量子ニューラルネットワークは部分フーリエ級数であるため、ターゲットスペクトルが同時にオフグリッドである場合にのみ真の利点が生じる。 我々はこれらの条件を満たすのに失敗したことをフーリエの壁と呼んでいる。 この条件を2層認証であるSPECTRAとして運用し、シミュレータフリーな構造画面と、マッチング量子モデルとペアブートストラップ信頼境界を用いた5つのチューニングされた古典的ツインとの決定的な比較を行った。 工業用スマートメーターデータでは、SPECTRAは実際のピーク負荷目標を正しく拒否し、勾配木は0.999のROC-AUCに達する。 相互作用する量子プロセスによって生成されたラベルを持つ同じ実エネルギー相において、動的整合量子モデルは最高の古典的ベースラインに対して0.994対0.699に達し、相互作用結合が消滅すると偶然崩壊する。 正確な古典的なシミュレーターは、量子モデルを小さな幅で結びつけるが、指数関数的な評価コストを測り、推定ハードウェアのクロスオーバーは13-19のサイトの近くで予測される。 これらの結果は、表データの量子アドバンテージ候補を特定し、エンジニアリングし、デプロイするための実践的なレシピを提供する。

関連論文リスト

• Discretization-Aware Fine-Tuning for Quantum Machine Learning with Chemical Foundation Models [0.0]
  実用的な量子機械学習(QML)の鍵となる課題は、高次元の古典データを小さな量子レジスタにエンコードする、短期的な量子デバイスの限られた能力である。 本稿では, 離散化対応微調整(DAFT)を導入し, 事前学習した化学基礎モデルを適用して, 量子化後の情報化を継続する表現を生成する手法を提案する。 我々は、同一の離散化ビットストリング入力を受ける制御された条件下で、量子モデルと古典モデルの両方を評価する。
  論文  参考訳（メタデータ） (2026-09-02T23:36:29Z)
• Classical and Hybrid Quantum Machine Learning for Trigger-Like Event Selection on CMS Open Data: An Eight-Qubit, PCA-Constrained Benchmark [0.9106818059692908]
  イベントトリガーは高エネルギー物理学の中心に位置し、そこでは稀な関心事が維持されなければならない。 この研究は、サポートベクターマシン、人工ニューラルネットワーク、畳み込みネットワーク、長期記憶ネットワークの4つの古典的機械学習モデルを比較する。 CMSオープンデータから構築されたトリガのようなバイナリ分類タスク上の4つのハイブリッド量子対向体。
  論文  参考訳（メタデータ） (2026-08-26T15:32:44Z)
• Quantum Incremental Learning with Mixed State Prototypes [53.319426778720434]
  トレーニング可能な混合状態プロトタイプに基づく新しい量子インクリメンタル学習フレームワークを提案する。 本モデルでは,最小数の量子ビットを用いて高次元特徴量を実現する。
  論文  参考訳（メタデータ） (2026-08-11T04:22:42Z)
• Hybrid Quantum-Classical Learning of Nonlinear Entanglement Witnesses via Continuous-Variable Quantum Neural Networks [0.0]
  連続可変量子ニューラルネットワーク(CV-QNN)を用いた非線形絡み合い証を量子データから直接学習するハイブリッド量子古典的フレームワークを提案する。 我々のアーキテクチャは、変分干渉計、スクレーパー、非ガウスのカーゲートと小型の古典的ニューラルヘッドを組み合わせてスカラー目撃値を出力する。 量子測定段階が情報的に完備である場合、ハイブリッドモデルは、コンパクトな状態集合上の任意の連続的な証人様関数を近似することができることを示す。
  論文  参考訳（メタデータ） (2025-09-07T04:45:59Z)
• 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)
• Quantum Machine Learning for Predicting Binding Free Energies in Structure-Based Virtual Screening [0.0]
  分子情報を量子状態にエンコードする量子機械学習手法を導入する。 6つの量子回路ユニットを持つモデルでは、RMSDは2.37 kcal/mol、ピアソン相関は0.650である。
  論文  参考訳（メタデータ） (2025-07-24T14:01:39Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• QPMeL - Quantum-Aware Classically-Trained Embeddings via Projective Metric Learning [0.8656254015205943]
  量子極距離学習(QPMeL)を提案し,古典的モデルを用いて量子ビットの極形パラメータを学習する。 次に、$R_y$と$R_z$の浅いPQCを使って状態を作り、$ZZ(theta)$-gatesのトレーニング可能なレイヤで絡み合いを学習します。 QMeLアプローチと比較すると、QPMeLはゲート数と深さの1/2しか使用せず、3倍のマルチクラス分離を実現している。
  論文  参考訳（メタデータ） (2023-12-04T06:13:53Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。