論文の概要: Bernstein-Vazirani Networks: Quantum Machine Learning by Interference

• arxiv url: http://arxiv.org/abs/2608.19043v1
• Date: Wed, 19 Aug 2026 15:35:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.444113
• Title: Bernstein-Vazirani Networks: Quantum Machine Learning by Interference
• Title（参考訳）: Bernstein-Vazirani Networks: 干渉による量子機械学習
• Authors: Natacha Kuete Meli, Tolga Birdal, Prayag Tiwari, Vladislav Golyanik, Michael Moeller,
• Abstract要約: Bernstein-Vazirani Networks (BVNs) は、非可変量子機械学習フレームワークである。 BVNは、視覚と表現学習タスクで実証された教師付き学習に量子干渉を利用する。
• 参考スコア（独自算出の注目度）: 57.703235450585595
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Bernstein-Vazirani Networks (BVNs), a non-variational quantum machine learning framework that leverages quantum interference for supervised learning, demonstrated on vision and representation learning tasks. In their standard form, BVNs follow the principle of quantum Fourier sampling: labelled data are placed in superposition and interfered in the Fourier basis to extract globally informative features. We then define generalised BVNs that enable interference in problem-adapted bases, yielding more expressive models under the same measurement budget as in the standard setting. BVNs achieve universal function approximation through (over)complete interference bases, while training of BVNs is gradient-free. Experiments on synthetic and real-world classification tasks, as well as implicit image representation, show strong generalisation capabilities and competitive performance with classical and quantum baselines.
• Abstract（参考訳）: 本稿では、教師付き学習に量子干渉を利用する非変分量子機械学習フレームワークであるBernstein-Vazirani Networks(BVNs)を紹介する。 BVNは量子フーリエサンプリングの原理に従い、ラベル付きデータは重畳されフーリエ基底で干渉され、大域的な情報的特徴を抽出する。 次に、問題適応ベースでの干渉を可能にする一般化されたBVNを定義し、標準設定と同じ測定予算でより表現力のあるモデルを生成する。 BVNは(オーバー)完全干渉基底を通して普遍関数近似を達成し、BVNの訓練は勾配なしである。 合成および実世界の分類タスクの実験は、暗黙のイメージ表現と同様に、強い一般化能力と古典的および量子的ベースラインとの競合性能を示す。

関連論文リスト

• Transcending Classical Neural Network Boundaries: A Quantum-Classical Synergistic Paradigm for Seismic Data Processing [4.367206024242795]
  本研究では, 地震データ処理のための量子古典的相乗的生成逆ネットワーク (QCGAN) を提案する。 QC-GANでは、高次特徴相関を利用して量子経路を使用し、畳み込み経路は地震波の波形構造を抽出する。 本稿では,QC-GANが複雑な雑音条件下での波動場の連続性と振幅位相情報を保存することを示す。
  論文  参考訳（メタデータ） (2026-03-25T06:27:42Z)
• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• Digitized Counterdiabatic Quantum Feature Extraction [35.670314643295036]
  そこで本研究では,ハミルトニアンの局所多体スピンのダイナミクスを用いて,複素特徴量を生成するハミルトン型量子特徴抽出法を提案する。 分子毒性分類と画像認識を含む高次元実世界のデータセットに対するアプローチを評価する。 その結果、量子的特徴抽出と古典的特徴抽出を組み合わせることで、さまざまな機械学習タスク間で一貫した改善が得られることが示唆された。
  論文  参考訳（メタデータ） (2025-10-15T17:59:35Z)
• Quantum Graph Attention Network: A Novel Quantum Multi-Head Attention Mechanism for Graph Learning [0.0]
  量子グラフ注意ネットワーク(Quantum Graph Attention Network、QGAT)は、変動量子回路をアテンション機構に統合するハイブリッドグラフニューラルネットワークである。 複雑な構造的依存関係を捕捉するQGATの有効性を示し、帰納的シナリオにおける一般化を改善した。 実験により、量子埋め込みは特徴や構造的ノイズに対するロバスト性を高め、実世界のノイズデータを扱う利点を示唆している。
  論文  参考訳（メタデータ） (2025-08-25T03:25:48Z)
• 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)
• 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)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)

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。