論文の概要: Quantum-Inspired Hybrid Neural Networks for Neural Decoding: A Controlled Ablation Study of Learnable Quantum Sidecar Integration

• arxiv url: http://arxiv.org/abs/2608.22475v1
• Date: Sun, 23 Aug 2026 15:55:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.776864
• Title: Quantum-Inspired Hybrid Neural Networks for Neural Decoding: A Controlled Ablation Study of Learnable Quantum Sidecar Integration
• Title（参考訳）: 量子インスパイアされたニューラルデコードのためのハイブリッドニューラルネットワーク:学習可能な量子サイドカー統合の制御されたアブレーション研究
• Abstract要約: 本稿では,ResNet-50バックボーン内に残余のサイドカーモジュールとして集積されたパラメータ化量子回路(PQCs)について検討した。 ベースライン, 量子サイドカーとフリーズインプットプロジェクション, バックボーン・グラディエント・トレーニングプロジェクションの量子サイドカー, アングルエンコーディングを回路計測結果と整合させる測定誘導変種を比較検討した。
• 参考スコア（独自算出の注目度）: 5.2726003549534655
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study parameterized quantum circuits (PQCs) integrated as residual sidecar modules within a ResNet-50 backbone for 31-class neural population decoding---imagined handwriting classification from multi-neuron spike rasters. Under strictly controlled conditions (fixed data splits, seeds, and optimizer), we compare four model variants: baseline, quantum sidecar with frozen input projection, quantum sidecar with backbone-gradient-trained projection, and a measurement-guided variant that aligns angle encodings with circuit measurement outcomes. The backbone-gradient variant improves accuracy in 3/4 seeds (+0.19% mean, 95% CI [-1.10%, +1.48%]) and consistently reduces Linear CKA similarity to baseline features ($Δ=-0.025$, 4/4 seeds), indicating genuine structural reorganization of representations. A nine-variant ablation identifies simple shallow architectures as the most effective and reproducible configuration. Measurement-guided training consistently improves representation geometry without reducing accuracy. All results use noiseless statevector simulation on 4 qubits, a regime chosen to reflect the practical constraints of current near-term superconducting hardware; no quantum computational advantage over classical methods is claimed.
• Abstract（参考訳）: パラメタライズド量子回路 (PQC) をResNet-50バックボーン内に残余のサイドカーモジュールとして組み込んだ31クラス神経集団復号法を用いて, 多ニューロンスパイクラスターを用いた手書き文字分類を行った。 厳密に制御された条件(固定データ分割、シード、オプティマイザ)の下では、ベースライン、量子サイドカーとフリーズインプットプロジェクション、量子サイドカーとバックボーン勾配訓練プロジェクション、アングルエンコーディングと回路計測結果とを整列する測定誘導モデルの比較を行う。 3/4 種(平均 95% CI [-1.10%, +1.48%] )では、バックボーンの段階的変異により精度が向上し、ベースラインの特徴(Δ=-0.025$, 4/4 種)とリニア CKA の類似性が一貫して減少し、表現の真の構造的再構成を示す。 9種類のアブレーションは、単純な浅いアーキテクチャを最も効果的で再現可能な構成として識別する。 測定誘導トレーニングは、精度を低下させることなく、表現幾何学を一貫して改善する。 全ての結果は4量子ビット上のノイズレス状態ベクトルシミュレーションを使用し、これは現在の高温超伝導ハードウェアの現実的な制約を反映するために選択された規則であり、古典的手法よりも量子計算上の優位性は主張されていない。

関連論文リスト

• Classical and Hybrid Quantum Machine Learning for Trigger-Like Event Selection on CMS Open Data: An Eight-Qubit, PCA-Constrained Benchmark [0.9106818059692908]
  イベントトリガーは高エネルギー物理学の中心に位置し、そこでは稀な関心事が維持されなければならない。 この研究は、サポートベクターマシン、人工ニューラルネットワーク、畳み込みネットワーク、長期記憶ネットワークの4つの古典的機械学習モデルを比較する。 CMSオープンデータから構築されたトリガのようなバイナリ分類タスク上の4つのハイブリッド量子対向体。
  論文  参考訳（メタデータ） (2026-08-26T15:32:44Z)
• Quantum Incremental Learning with Mixed State Prototypes [53.319426778720434]
  トレーニング可能な混合状態プロトタイプに基づく新しい量子インクリメンタル学習フレームワークを提案する。 本モデルでは,最小数の量子ビットを用いて高次元特徴量を実現する。
  論文  参考訳（メタデータ） (2026-08-11T04:22:42Z)
• LLM-Guided Initialization for Accelerated Hybrid Quantum-Classical Medical Image Classification [0.0]
  本稿では,Zhuang と Cunningham が提案した AdaInit (Adaptive Initialization) を評価し,大規模言語モデルを用いて量子ニューラルネットワークの初期パラメータを提案する。 AdaInitは、ランダムに14.6倍の勾配を提供し、160倍の収束を実現し、同じ分類精度は61.4パーセントを維持している。 この結果は、AdaInitを医用画像設定で検証し、実用的なスピードアップのためにGPU加速量子バックエンドとの互換性を実証する。
  論文  参考訳（メタデータ） (2026-07-29T07:24:48Z)
• Entropy Estimation in Multi-Qutrit Systems via Variational and Classical Neural Networks [0.0]
  本稿では,変分量子アルゴリズム(VQA)と古典畳み込みニューラルネットワーク(CNN)を用いた多量子量子系におけるフォン・ノイマンエントロピー推定の系統的研究を行う。 最大3キュートリットのシステムでは、ハードウェア効率のよいSU(3)インスパイアされたアンサーゼを11個構築し、評価する。 大規模システム(2〜5キュートリット)では,テンソル積の非バイアスベースから測定結果を学習したCNNを用いて,高精度で安定した予測を行い,システムサイズによる性能の体系的改善を示す。
  論文  参考訳（メタデータ） (2026-06-18T17:22:13Z)
• Layer-wise QUBO-Based Training of CNN Classifiers for Quantum Annealing [0.0]
  本稿では,畳み込みニューラルネットワーク(CNN)の頭部を学習するための,擬似Un Binary Optimization(QUBO)に基づく反復的フレームワークを提案する。 出力毎の分解は、$C$クラス問題を$C$独立QUBOに分割し、それぞれ$(d+1)K$バイナリ変数で、$d$が特徴次元、$K$がビット精度で分割する。 我々は,6つの画像分類ベンチマーク(スコーンディジット,MNIST,Fashion-MNIST,CIFAR-10,EMNIST,KMNIST)の評価を行った。
  論文  参考訳（メタデータ） (2026-03-03T13:10:36Z)
• Parallel Multi-Circuit Quantum Feature Fusion in Hybrid Quantum-Classical Convolutional Neural Networks for Breast Tumor Classification [0.0]
  本稿では、BreastMNISTデータセットのバイナリ分類のために設計されたハイブリッド量子古典畳み込みニューラルネットワーク(QCNN)アーキテクチャを提案する。 この結果から, ハイブリッドQCNNアーキテクチャは, 絡み合いと量子的特徴融合を利用して, 医用画像分類タスクを強化することができることがわかった。
  論文  参考訳（メタデータ） (2025-11-29T17:47:14Z)
• Practical insights on the effect of different encodings, ansätze and measurements in quantum and hybrid convolutional neural networks [37.69303106863453]
  本研究では、量子およびハイブリッド畳み込みニューラルネットワーク(HQNN、QCNN)アーキテクチャにおけるパラメータ化量子回路(PQC)の設計選択について検討する。 我々は,データ符号化技術,変分アンゼアテンゼ,および約500の異なるモデル構成における測定の性能評価を行った。
  論文  参考訳（メタデータ） (2025-06-25T12:10:11Z)
• Deep Feature Response Discriminative Calibration [37.81540706307031]
  ResNetやSENetのような最適化技術は、モデルの精度を改善するために提案されている。 異なる特徴に対する差別的なキャリブレーションが欠如しているため、モデル出力に制限が生じる。 特徴応答を識別的に分類する手法を提案する。
  論文  参考訳（メタデータ） (2024-11-16T10:48:32Z)
• Towards a tailored mixed-precision sub-8-bit quantization scheme for Gated Recurrent Units using Genetic Algorithms [39.979007027634196]
  ゲーテッド・リカレント・ユニット(GRU)は内部状態に依存しているためチューニングが難しい。 本稿では,各演算子のビット幅を独立に選択できるGRUのモジュラ整数量子化方式を提案する。
  論文  参考訳（メタデータ） (2024-02-19T16:24:20Z)
• Non-parametric Greedy Optimization of Parametric Quantum Circuits [2.77390041716769]
  本研究の目的は、パラメトリックゲートを近似的に固定された非パラメトリック表現に置き換えることで、PQCの深さとゲート数を削減することである。 約14%の深さ減少と48%のゲート数減少を3.33%の精度で観測した。
  論文  参考訳（メタデータ） (2024-01-27T15:29:38Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Compact representations of convolutional neural networks via weight pruning and quantization [63.417651529192014]
  本稿では、音源符号化に基づく畳み込みニューラルネットワーク(CNN)の新しいストレージフォーマットを提案し、重み付けと量子化の両方を活用する。 我々は、全接続層で0.6%、ネットワーク全体で5.44%のスペース占有率を削減し、最低でもベースラインと同じくらいの競争力を発揮する。
  論文  参考訳（メタデータ） (2021-08-28T20:39:54Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)

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。