Fugu-MT 論文翻訳(概要): Quasi-polar Decomposition of Quantum Neural Networks via Adaptive Non-local Observables

論文の概要: Quasi-polar Decomposition of Quantum Neural Networks via Adaptive Non-local Observables

arxiv url: http://arxiv.org/abs/2607.27051v1
Date: Wed, 29 Jul 2026 15:42:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-30 21:06:25.72833
Title: Quasi-polar Decomposition of Quantum Neural Networks via Adaptive Non-local Observables
Title（参考訳）: 適応的非局所観測器による量子ニューラルネットワークの準極分解
Abstract要約: 我々は、変分量子回路モデルの進化を研究するための正準分解として、対角適応非局所可観測器(DANO)を用いる。各学習された可観測物を対角スペクトルとユニタリ基底に分離すると、準極性の記述が得られる。 2つの分類タスクの実験は、DANO放射スペクトルの膨張が精度と相関していることを示している。
参考スコア（独自算出の注目度）: 32.2292784850797
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We use Diagonal Adaptive Non-local Observables (DANO) as a canonical decomposition for studying Variational Quantum Circuit model evolution. Separating each learned observable into a diagonal spectrum and a unitary basis gives a quasi-polar description: the spectral weights are viewed as radial coordinates, while the unitary circuit serves as angular coordinates through Lie group identifications. This turns the training process into a trajectory in spectral and Lie-algebra space. Experiments on two classification tasks show that DANO radial spectral expansion correlates with accuracy. DANO angle coordinates reveal a dominant accuracy-correlated component. The framework provides a different perspective to characterize quantum model behavior.
Abstract（参考訳）: 我々は、変分量子回路モデルの進化を研究するための正準分解として、対角適応非局所可観測器(DANO)を用いる。スペクトル重みは放射座標と見なされ、ユニタリ回路はリー群同定による角座標として機能する。これにより、トレーニングプロセスはスペクトル空間とリー代数空間の軌道へと変換される。 2つの分類タスクの実験は、DANO放射スペクトルの膨張が精度と相関していることを示している。 DANO角座標は、有意な精度関連成分を示す。このフレームワークは、量子モデルの振る舞いを特徴づける異なる視点を提供する。

関連論文リスト

Quantum Steering Geometry at High Energy Particle Colliders [0.0]
量子ステアリング楕円体(QSE)に基づくコライダー観測値の定式化コライダースピン密度行列は2量子状態を定義し、そのQSEは局所的な測定を通してアクセス可能な条件状態の幾何学を与える。
論文参考訳（メタデータ） (2026-08-30T20:53:58Z)
Diffusion Operator Geometry of Feedforward Representations [0.0]
ニューラルネットワークは、幾何学が分離、収縮、一般化に影響を与える学習された表現を通してデータを変換する。最近の研究は、近傍グラフ上の離散曲率を用いてこの幾何学を研究しており、層間のリッチフローのような挙動を示唆している。我々はフィードフォワード表現スナップショットのスムーズな演算子-理論的な代替品を開発する。
論文参考訳（メタデータ） (2026-05-01T21:27:26Z)
Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
論文参考訳（メタデータ） (2026-04-16T14:12:06Z)
On the Spectral Geometry of Cross-Modal Representations: A Functional Map Diagnostic for Multimodal Alignment [0.0]
我々は、独立に訓練された視覚(DINOv2)と言語(All-MiniLM-L6-v2)エンコーダのクロスモーダルアライメントについて検討した。両エンコーダのラプラシア固有値スペクトルは定量的に類似していることがわかった。モデルは、どれだけの構造を捉えているかに収束するが、その組織化の仕方には及ばない。
論文参考訳（メタデータ） (2026-03-28T04:20:54Z)
Gauge-invariant representation holonomy [1.078600700827543]
深層ネットワークは、幾何学的特徴を持つ内部表現(曲がり、回転、進化)を学習し、一般化と堅牢性の両方に影響を及ぼす。 CKAやSVCCAのような既存の類似度尺度は、アクティベーションセット間でポイントワイドに重なるが、入力パスに沿って表現がどのように変化するかを見逃す。この経路依存性を測定するゲージ不変統計量である表現ホロノミーを導入する。
論文参考訳（メタデータ） (2026-01-29T12:51:17Z)
Robust Tangent Space Estimation via Laplacian Eigenvector Gradient Orthogonalization [48.25304391127552]
データ多様体の接空間を推定することは、データ解析の基本的な問題である。局所接空間推定を導くために,データのグローバル構造を利用したラプラシアン固有ベクトル勾配直交化法(LEGO)を提案する。
論文参考訳（メタデータ） (2025-10-02T17:59:45Z)
Axis-level Symmetry Detection with Group-Equivariant Representation [48.813587457507786]
最近の熱マップに基づくアプローチは対称性軸のポテンシャル領域をローカライズすることができるが、個々の軸を特定する精度に欠けることが多い。本稿では,2つの最も一般的な対称性-反射と回転の軸レベル検出のための新しい枠組みを提案する。提案手法は最先端の性能を達成し,既存手法より優れている。
論文参考訳（メタデータ） (2025-08-14T15:26:53Z)
Evolution of multi-qubit correlations driven by mutual interactions [49.1574468325115]
我々は$frac12$-spinsからなる量子系の相関テンソル要素の進化を分析する。強い外部場が特定の相関特性に対して安定化因子を果たすことを示す。
論文参考訳（メタデータ） (2025-07-01T11:45:08Z)
The optical and infrared are connected [0.282736966249181]
本稿では、物理過程間の微妙な相関を利用して、赤外線(IR) WISE測光を正確に予測するデータ駆動モデルを提案する。このモデルでは、WISEのすべての測光バンドに対して1ドル(約1万2000円)の精度と、良好な色が得られる。現状のSED適合法では, 同等の予測ができないことがわかった。
論文参考訳（メタデータ） (2025-03-05T19:00:01Z)
Spectro-Riemannian Graph Neural Networks [39.901731107377095]
Cusp Laplacian は、Ollivier-Ricci曲率に基づく伝統的なグラフ Laplacian の拡張である。 Cusp Poolingは階層的な注意機構であり、曲率ベースの位置符号化と組み合わせている。
論文参考訳（メタデータ） (2025-02-01T11:31:01Z)
Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2024-10-15T08:19:39Z)
Model identification and local linear convergence of coordinate descent [74.87531444344381]
循環座標降下は、幅広い種類の関数に対して有限時間でモデル同定を達成することを示す。また、座標降下に対する局所収束速度を明示的に証明する。
論文参考訳（メタデータ） (2020-10-22T16:03:19Z)
Gauge Equivariant Mesh CNNs: Anisotropic convolutions on geometric graphs [81.12344211998635]
メッシュ上の畳み込みを定義する一般的なアプローチは、それらをグラフとして解釈し、グラフ畳み込みネットワーク(GCN)を適用することである。本稿では、GCNを一般化して異方性ゲージ同変カーネルを適用するGauge Equivariant Mesh CNNを提案する。本実験は,従来のGCNおよび他の手法と比較して,提案手法の表現性を大幅に向上することを示した。
論文参考訳（メタデータ） (2020-03-11T17:21:15Z)

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。