論文の概要: Investigating Quantum-Embedded Transformers on Classical Datasets for Cross-Modality Classification

• arxiv url: http://arxiv.org/abs/2608.06846v1
• Date: Fri, 07 Aug 2026 06:09:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.375502
• Title: Investigating Quantum-Embedded Transformers on Classical Datasets for Cross-Modality Classification
• Title（参考訳）: クロスモーダル分類のための古典的データセットにおける量子埋め込み変換器の検討
• Abstract要約: パラメタライズド量子回路(PQC)が古典的データセット上でのハイブリッド量子古典モデルの性能を向上させるかどうかを検証する。 我々のアーキテクチャであるQuantum-Embedded Attention (QEA)は学習可能なプロジェクタを用いてバックボーンの機能を$n_q$-dimensional角ベクトルに圧縮する。 提案手法では,全ての標準実行を報告し,現在のパウリ可読化結果と従来の確率可読化実験とを区別し,ボトルネック,シミュレーション,有限ショット,雑音の制限を解析する。
• 参考スコア（独自算出の注目度）: 1.472161528588343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We test whether a parameterized quantum circuit (PQC) improves a hybrid quantum-classical model's performance on classical datasets, using an interface-matched classical map as the control while holding all other components fixed. Our architecture, Quantum-Embedded Attention (QEA), uses a learnable projector to compress backbone features into an $n_q$-dimensional angle vector, a shallow PQC to map those angles to one- and two-qubit Pauli expectations, and a classical attention decoder to produce class logits. We hypothesized the PQC would improve accuracy or seed-to-seed stability over a classical map with matched input/output dimensions. We test this with an interface-matched $2\times2$ factorial on Breast Cancer Wisconsin at $n_q\in\{4,8\}$, independently swapping the PQC for a classical map and the attention decoder for a linear head, across five paired seeds per cell. Three of four paired quantum-minus-classical $95\%$ confidence intervals include zero; the fourth, a $+1.63$ percentage-point contrast for the attention decoder at $n_q=4$, reverses sign at $n_q=8$ and does not survive correction across the four contrasts. The experiment thus shows no consistent PQC contribution and cannot establish equivalence. A five-dataset cross-modality grid shows comparable accuracy on AG~News, Breast Cancer Wisconsin, and BirdCLEF but a large deficit on CIFAR-10; these cells are not interface-matched and are interpreted descriptively. We report all planned canonical runs, distinguish current Pauli-readout results from legacy probability-readout experiments, and analyze bottleneck, simulation, finite-shot, and noise limitations. The results do not establish a quantum advantage; they demonstrate why controlled component attribution is necessary before crediting a hybrid model's performance to its quantum layer.
• Abstract（参考訳）: パラメータ化量子回路(PQC)が古典的データセット上でのハイブリッド量子古典モデルの性能を向上させるかどうかを,他のすべてのコンポーネントを固定しながら,インタフェースマッチングされた古典的マップを制御として利用する。 我々のアーキテクチャであるQuantum-Embedded Attention (QEA)は、学習可能なプロジェクタを使用して、バックボーンの機能を$n_q$-dimensional角ベクトルに圧縮し、それらの角度を1および2キュービットのPauli期待にマッピングするための浅いPQCと、古典的なアテンションデコーダを使ってクラスロジットを生成する。 我々はPQCが入力/出力次元が一致した古典写像の精度や種子間安定性を向上させると仮定した。 我々は、古典地図とPQCを独立に交換し、線形ヘッドのアテンションデコーダをセル毎に5対の種に分けて、インターフェイスマッチングされた$2\times2$Factial on Breast Cancer Wisconsinでテストする。 4つのペアの量子-マイナス古典的9,5\%の信頼区間のうち3つはゼロであり、4つ目は注意復号器が$n_q=4$で、逆符号が$n_q=8$であり、4つのコントラストで補正が継続されないことである。 この実験は、一貫したPQC寄与を示さず、等価性を確立できない。 5つのデータセットのクロスモダリティグリッドはAG~News、Breast Cancer Wisconsin、BirdCLEFに匹敵する精度を示すが、CIFAR-10には大きな欠陥がある。 提案手法では,全ての標準実行を報告し,現在のパウリ可読化結果と従来の確率可読化実験とを区別し,ボトルネック,シミュレーション,有限ショット,雑音の制限を解析する。 これらの結果は、ハイブリッドモデルのパフォーマンスを量子層に信用する前に、制御されたコンポーネントの属性がなぜ必要かを示す。

関連論文リスト

• Quantum Feature Engineering for Credit Default Prediction: When and Why IQP Circuits Help Linear Classifiers [3.029054495277686]
  IQP回路は,従来のベースラインとKernel PCAの両方に比較して,分類器を改善することができることを示す。 ランダムフォレスト重要誘導選択は F1 = 0.523 に到達し、最大で非相関な特徴の符号化は 0.496 に減少する。
  論文  参考訳（メタデータ） (2026-09-09T17:41:27Z)
• Predicting Multipartite Entanglement in Quantum Circuits using Transformer [0.11242503819703259]
  マルチパーティ・エンタングルメントはパラメータ化量子回路(PQC)の臨界特性である グラフベースの変圧器サロゲートを導入し、メイヤー=ワラッハ測度(Q$)とスコット測度(Q$)の両方を予測する。 我々の中心的な貢献は、トランスのためのqubit-inter connected graph (QIG)エンコーディングであり、各ノードは、量子ビットおよび重み付き隣接性の記録エンタングゲート多重度を表す。
  論文  参考訳（メタデータ） (2026-08-28T07:00:20Z)
• The Fourier Wall: Why Public Tabular Datasets Refuse Quantum Advantage, and a Certified Recipe for Where It Lives [0.0]
  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。
  論文  参考訳（メタデータ） (2026-07-17T10:24:57Z)
• Active Quantum Kernel Acquisition for Gaussian Process Regression [30.032230630492155]
  量子カーネル分類に関する最近の研究は、カーネルエントリに不均一にショットを割り当てることによって、ターゲット精度に到達するために必要なショット予算を削減できることを示した。 我々はこのアイデアをガウス過程(GP)回帰(英語版)に拡張し、下流の量(全スペクトル後方分散、対数行列、辺縁確率)が、符号のみの分類出力よりも厳密なカーネルエラーに結合する設定とする。 我々は、3つの閉形式のペアレベル感性予測結合 $|_i_j|$, leave-one-out residual, and marginal-likelihood gradient を導出し、それらをネイマン型最小値に差し込む。
  論文  参考訳（メタデータ） (2026-06-27T09:40:20Z)
• Do Quantum Transformers Help? A Systematic VQC Architecture Comparison on Tabular Benchmarks [2.005299372367689]
  変分量子回路(VQCs)は、短期デバイス上での量子機械学習における主要なアプローチである。 マルチ層完全連結(FC-VQC)、残留(ResNet-VQC)、ハイブリッド量子古典変換器(QT)、完全量子変換器(FQT)の4つのVQC族を比較した。 FC-VQCは、40-50%少ないパラメータを使用しながら、注目ベースのVQCのR2$の90-96%を達成している。 これらの知見は、短期量子ハードウェアにVQCをデプロイするための実用的なアーキテクチャガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-04-27T01:13:14Z)
• Fixed-Reservoir vs Variational Quantum Architectures for Chaotic Dynamics: Benchmarking QRC and QPINN on the Lorenz System [0.14323566945483496]
  ロレンツ系におけるカオス時系列予測のための2つの量子的アプローチを比較する。 本研究では,QRCパイプライン内の時間的ウィンドウ化手法を定式化し,アトラクタ再構成を改善する。 以上の結果から, 固定貯留層構造がQRCの優位性の主要な要因であることが示唆された。
  論文  参考訳（メタデータ） (2026-04-26T14:43:03Z)
• Large-scale portfolio optimization on a trapped-ion quantum computer [32.24411362086563]
  基数制約付き大規模ポートフォリオ選択のためのエンドツーエンドパイプラインを提案する。 ハードウェア・アウェア分解を用いたトラップイオン量子プロセッサ上での実験実験を行った。
  論文  参考訳（メタデータ） (2026-02-27T12:36:14Z)
• Shallow IQP circuit and graph generation [37.067444579637076]
  生成グラフモデルとして、浅い瞬時量子時間回路を導入する。 シミュレーションおよび大規模実験により, バイパルタイト分布とエルドホス-ルエニ分布について検討した。
  論文  参考訳（メタデータ） (2025-11-07T14:28:56Z)
• Analog Quantum Feature Selection with Neutral-Atom Quantum Processors [31.458406135473805]
  我々は、中性原子配列を用いたアナログ量子シミュレーションに基づく量子特徴選択(QFS)に対する量子ネイティブなアプローチを提案する。 このプロトコルは、アダルト所得、銀行マーケティング、テルコ・チャーンという3つのベンチマークバイナリ分類データセットのシミュレーションによって評価される。 2-5 つの特徴のコンパクトな部分集合では、アナログ QFS は平均 AUC スコアを 1.5-2.3% 改善し、特徴の数を 75-84% 削減した。
  論文  参考訳（メタデータ） (2025-10-23T17:57:34Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Evaluating Ground State Energies of Chemical Systems with Low-Depth Quantum Circuits and High Accuracy [6.81054341190257]
  我々は,Qubit Coupled Cluster (QCC) に基づく拡張型変分量子固有解器 (VQE) アンサッツを開発した。 我々は、IBM KolkataとQuantinuum H1-1の2つの異なる量子ハードウェア上で、拡張QCCアンサッツを評価する。
  論文  参考訳（メタデータ） (2024-02-21T17:45:03Z)
• Quantum Symmetric Private Information Retrieval with Secure Storage and Eavesdroppers [32.97918488607827]
  X$-secure,$E$-eavesdropped,$T$-colluding symmetric private information search (SPIR)の古典的および量子的変動について考察する。 まず,古典的な$X$-secure,$E$-eavesdropped,$T$-colluding SPIR (XSETSPIR) を,クロス部分空間アライメント (CSA) の修正版に基づいて開発する。
  論文  参考訳（メタデータ） (2023-08-21T17:30:38Z)
• 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。