論文の概要: Complementary Matrix-Gated QKAN Fast-Weight Programmers for Quantum Dynamics Forecasting

• arxiv url: http://arxiv.org/abs/2607.27945v1
• Date: Thu, 30 Jul 2026 09:52:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.494547
• Title: Complementary Matrix-Gated QKAN Fast-Weight Programmers for Quantum Dynamics Forecasting
• Title（参考訳）: 量子ダイナミクス予測のための補足行列付きQKAN高速重みプログラム
• Abstract要約: 量子インスパイアされたコルモゴロフ・アルノルドネットワーク(QKAN)に基づくゲーテッド高速プログラマ(FWP) 低ランク度変調を用いた自己変調QKANベースのFWPを提案する。
• 参考スコア（独自算出の注目度）: 38.586966822977686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequence models must decide what to write into memory and what to retain. In quantum and quantum-inspired sequence learning, nonlinear recurrent updates often require repeated circuit evaluations and sequential backpropagation through time, making long contexts costly. Gated fast-weight programmers (FWPs) based on quantum-inspired Kolmogorov-Arnold networks (QKANs) alleviate this bottleneck by storing context in time-varying fast parameters. However, their scalar gate applies one retention-write balance to every fast-state coordinate, forcing all parameters to share a memory timescale. We introduce Self-Modulating QKAN-based FWPs, which replace this broadcast gate with low-rank-generated element-wise modulation of the new-proposal branch, a bounded old-state branch, or both. We further propose Complementary Matrix Gating (CMG), which uses one sigmoid matrix gate to retain the old state and its complement to write the new proposal. CMG provides coordinate-wise memory control while preserving the bounded convex update and affine prefix-scan structure of scalar gating, at the modulation-head cost of a single-branch rule. We compare four self-modulating rules with scalar gating across four FWP architectures combining classical and QKAN-based slow and fast programmers. Across seven single-step forecasting benchmarks and five sequence lengths, CMG gives the most consistent improvements for architectures whose fast programmer incorporates a QKAN-based module. In direct multi-step forecasting of Jaynes-Cummings and transmon-resonator dynamics simulated with CUDA-Q Dynamics, CMG models maintain mean-squared errors on the order of 0.001 or lower across forecasting horizons of 4, 8, and 16 steps, while improving on their scalar-gated counterparts by at least 91.2%. These results establish coordinate-wise complementary modulation as a stable and effective update for QKAN-based FWPs.
• Abstract（参考訳）: シーケンスモデルは、何をメモリに書き込むか、何を保持するかを決定する必要がある。 量子および量子にインスパイアされたシーケンス学習では、非線形リカレント更新はしばしば繰り返し回路評価と時間によるシーケンシャルバックプロパゲーションを必要とし、長いコンテキストをコストがかかる。 量子インスパイアされたKolmogorov-Arnoldネットワーク(QKAN)に基づくゲーテッド高速プログラマ(FWP)は、時間変化の速いパラメータにコンテキストを保存することで、このボトルネックを軽減する。 しかしながら、スカラーゲートは、すべての高速状態座標に1つの保持/書き込みバランスを適用し、すべてのパラメータにメモリタイムスケールの共有を強制する。 本稿では, 自己変調QKANをベースとしたFWPを導入し, 放送ゲートを低ランクで生成した新プロモーサル分岐, 境界付き旧状態分岐, あるいはその両方に置き換える。 さらに,従来の状態を維持するために1つのシグモノイド行列ゲートを用いた補足行列ゲーティング(CMG)を提案する。 CMGは、単一ブランチルールの変調ヘッドコストにおいて、スカラーゲーティングのバウンド凸更新とアフィンプレフィックススキャン構造を維持しながら、座標ワイドメモリ制御を提供する。 我々は4つの自己変調ルールと4つのFWPアーキテクチャ間のスカラーゲーティングを比較し、古典的およびQKANベースの遅くて高速なプログラマを組み合わせた。 7つの単段階予測ベンチマークと5つのシーケンス長で、CMGはQKANベースのモジュールを高速プログラマが組み込んだアーキテクチャに最も一貫性のある改善を提供する。 CUDA-Q Dynamics でシミュレートされたJaynes-Cummings とtransmon-resonator dynamics の直接マルチステップ予測において、CMGモデルは4,8,16ステップの予測地平線上で平均2乗誤差を0.001以下に維持し、スカラーゲートの値に対して少なくとも91.2%改善した。 これらの結果は、QKANベースのFWPの安定かつ効果的な更新として、座標の相補的変調を確立する。

関連論文リスト

• Stable Self-Modulating Quantum Fast-Weight Programmers with Bounded Memory Gates [36.26005687010788]
  量子高速重みプログラム(QFWP)は、動的にプログラムされた変動回路パラメータに時間情報を格納する。 自己変調QFWPは、新しい高速更新と蓄積された高速状態の両方に入力依存ゲートを使用することで、このフレームワークを改善する。 従来のQFWPよりも、古い状態の変調が、最も一貫した改善の源であることを示す。
  論文  参考訳（メタデータ） (2026-07-02T16:06:04Z)
• Parameter-Efficient Quantum-Inspired Fast Weight Programmers for Traffic-Matrix Forecasting [10.494232787136452]
  本稿では, 専用グラフ, 変圧器, 拡散モジュールを使わずに, コンパクトな量子インスピレーション・リカレントモデルにより, 効率的なTM予測が可能かどうかを考察する。 我々は、Abilene TM 予測を指向するために、ゲート量子インスパイアされた Kolmogorov-Arnold ネットワーク高速プログラマ (QKAN-FWPs) を適用した。 固定予算学習プロトコルを用いて、マッチングサイズ長短メモリ(LSTM)ネットワーク、より大きなLSTM、および古典的な高速なプログラマに対して、QKAN配置の3つのバリエーションをベンチマークする。
  論文  参考訳（メタデータ） (2026-06-26T08:02:27Z)
• Perceive, Route and Modulate: Dynamic Pattern Recalibration for Time Series Forecasting [68.53528085362642]
  現在の深い予測モデルは、すべての時間トークンに一様に適用される固定重み行列に依存している。 トークンレベルの再校正によってこれを解決するバックボーンに依存しないメカニズムであるDynamic Pattern Recalibrationを導入する。 DPRNetは12ベンチマークで競合性能を達成し、マクロパラメータスケーリングに対する動的リカバリを検証する。
  論文  参考訳（メタデータ） (2026-05-07T14:12:47Z)
• Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning [38.502127166117674]
  量子インスパイアされたKolmogorov-Arnold Network(QKAN)とFWPを統合した高速軽量フレームワークQKAN-FWPを提案する。 私たちは、DARUAN(DatA Re-Uploading ActivatioN)として知られる、学習可能な非線形アクティベーションとしてシングルキュービットデータ再ロード回路を使用している。 時系列ベンチマーク,MiniGrid強化学習,および実世界の太陽周期予測を主要な実践的結果として取り上げ,その枠組みを評価する。
  論文  参考訳（メタデータ） (2026-05-07T13:04:09Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• 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)
• Sequential-Parallel Duality in Prefix Scannable Models [68.39855814099997]
  近年では Gated Linear Attention (GLA) や Mamba など様々なモデルが開発されている。 ニアコンスタント時間並列評価と線形時間、定数空間シーケンシャル推論をサポートするニューラルネットワークモデルの全クラスを特徴付けることができるだろうか?
  論文  参考訳（メタデータ） (2025-06-12T17:32:02Z)
• Efficient Sparse State Preparation via Quantum Walks [4.864856930458624]
  我々は,単一エッジと自己ループの動的CTQWを計算のゲートモデルに変換するアルゴリズムを開発した。 このマッピングを用いて、動的CTQWに基づく効率的な量子状態準備フレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-30T17:28:23Z)
• Squeezeformer: An Efficient Transformer for Automatic Speech Recognition [99.349598600887]
  Conformerは、そのハイブリッドアテンション・コンボリューションアーキテクチャに基づいて、様々な下流音声タスクの事実上のバックボーンモデルである。 Squeezeformerモデルを提案する。これは、同じトレーニングスキームの下で、最先端のASRモデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-06-02T06:06:29Z)

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。