論文の概要: Hybrid Quantum Neural Networks: Theory, Implementations, and Applications
- arxiv url: http://arxiv.org/abs/2608.01194v1
- Date: Sun, 02 Aug 2026 12:21:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.116591
- Title: Hybrid Quantum Neural Networks: Theory, Implementations, and Applications
- Title（参考訳）: ハイブリッド量子ニューラルネットワーク:理論,実装,応用
- Abstract要約: ハイブリッド量子ニューラルネットワークは、古典的なニューラルネットワークコンポーネントと量子情報処理ユニットを組み合わせる。
本稿では,機械学習と量子機械学習のためのハイブリッド量子ニューラルネットワークについて概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence has been transformed by deep neural networks, yet the search for new learning architectures continues. Quantum machine learning offers one such direction, and hybrid quantum neural networks, which combine classical neural-network components with quantum information processing units, have emerged as a practical framework for near-term quantum technologies. However, the rapid development of the field across diverse architectures, benchmarks and hardware assumptions makes it difficult to assess the utility of various proposals, identify where genuine advantages may arise, and determine how practitioners can use these models. While recent benchmarks caution that such gains have not yet been demonstrated at scale, theoretical work has identified tasks on which quantum models hold provable advantages, and hybrid approaches have delivered promising results on practical problems using deliberately compact quantum components and substantially fewer trainable parameters. Here, we review hybrid quantum neural networks for the machine-learning and quantum-machine-learning communities. We summarize their main theoretical and methodological foundations, survey some of the most promising architectures developed so far, and examine their implementation challenges and reported performance. By consolidating these perspectives, this review provides a structured view of the state of the field and helps identify promising paths for future research and application-driven development.
- Abstract（参考訳）: 人工知能は深層ニューラルネットワークによって変革されてきたが、新しい学習アーキテクチャの探索は続いている。
量子機械学習はそのような方向を提供し、古典的なニューラルネットワークコンポーネントと量子情報処理ユニットを組み合わせたハイブリッド量子ニューラルネットワークが、短期的な量子技術の実践的なフレームワークとして登場した。
しかし、様々なアーキテクチャ、ベンチマーク、ハードウェアの仮定にまたがる分野の急速な発展は、様々な提案の実用性を評価し、真に利点が生じる可能性のある場所を特定し、実践者がこれらのモデルをどのように利用できるかを決定するのを困難にしている。
近年のベンチマークでは、そのような利得はまだ実証されていないが、理論的な研究により量子モデルが証明可能な優位性を持つタスクが特定され、ハイブリッドアプローチは故意にコンパクトな量子成分とかなり少ないトレーニング可能なパラメータを用いて、実用的な問題に対して有望な結果をもたらした。
本稿では,機械学習と量子機械学習のためのハイブリッド量子ニューラルネットワークについて概説する。
それらの主要な理論的および方法論的基礎を要約し、これまでに開発された最も有望なアーキテクチャのいくつかを調査し、それらの実装課題を調べ、性能を報告した。
これらの視点を集約することにより、このレビューは分野の現状を構造化し、将来の研究とアプリケーション駆動開発のための将来的なパスを特定するのに役立つ。
関連論文リスト
- Leveraging Quantum Layers in Classical Neural Networks [0.0]
この論文は、古典的な畳み込みニューラルネットワークアーキテクチャにおける量子層の統合を探求する。
実験では、ニューラルネットワークパイプラインの異なる段階における量子層挿入のパフォーマンスへの影響について検討した。
論文 参考訳（メタデータ） (2025-07-16T15:12:53Z) - Quantum-Accelerated Wireless Communications: Concepts, Connections, and Implications [59.0413662882849]
量子コンピューティングは、通信システムのアルゴリズム基盤を再定義する。
本稿では、量子コンピューティングの基礎を、通信社会に精通したスタイルで概説する。
我々は、量子システムと無線システムの間の数学的調和を強調し、この話題をワイヤレス研究者にとってより魅力的にしている。
論文 参考訳（メタデータ） (2025-06-25T22:25:47Z) - A Survey of Quantum Generative Adversarial Networks: Architectures, Use Cases, and Real-World Implementations [0.0]
QGAN(Quantum Generative Adversarial Networks)は、量子機械学習において有望な方向として登場した。
本調査では,QGANモデルの概要を概説し,理論的提案から実験的実現への重要な進展を概説する。
論文 参考訳（メタデータ） (2025-06-22T11:45:27Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。
本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - Transforming Traditional Neural Networks into Neuromorphic Quantum-Cognitive Models: A Tutorial with Applications [0.0]
本稿では,従来のニューラルネットワークをニューロモルフィック量子モデルに変換する方法について述べる。
これらの量子機械学習変換のいくつかの例を示し、その応用の可能性を探る。
論文 参考訳（メタデータ） (2025-03-10T11:00:48Z) - The Impact of Architecture and Cost Function on Dissipative Quantum Neural Networks [0.016385815610837167]
本稿では,各ビルディングブロックが任意の量子チャネルを実装可能な,散逸型量子ニューラルネットワーク(DQNN)の新しいアーキテクチャを提案する。
アイソメトリの多目的な1対1パラメトリ化を導出し,提案手法の効率的な実装を可能にした。
論文 参考訳（メタデータ） (2025-02-13T17:38:48Z) - Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳（メタデータ） (2023-07-24T02:48:22Z) - Quantum machine learning for image classification [39.58317527488534]
本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。
我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。
第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
論文 参考訳（メタデータ） (2023-04-18T18:23:20Z) - An Invitation to Distributed Quantum Neural Networks [0.0]
分散量子ニューラルネットワークにおける技術の現状を概観する。
量子データセットの分布は、量子モデルの分布よりも古典的な分布と類似性があることが分かる。
論文 参考訳（メタデータ） (2022-11-14T00:27:01Z) - Physics-Informed Quantum Communication Networks: A Vision Towards the
Quantum Internet [79.8886946157912]
本稿では,量子通信ネットワーク(QCN)の性能を物理インフォームド方式で解析する。
物理インフォームドアプローチの必要性を評価し,実践的なQCNの設計におけるその基本的な役割を解析する。
我々はQCNが量子技術の最先端を活用できる新しい物理インフォームドパフォーマンス指標と制御を同定する。
論文 参考訳（メタデータ） (2022-04-20T05:32:16Z) - 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) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。