論文の概要: Object Detection Using Quantum Transfer Learning

• arxiv url: http://arxiv.org/abs/2609.15394v1
• Date: Mon, 14 Sep 2026 11:27:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.296655
• Title: Object Detection Using Quantum Transfer Learning
• Title（参考訳）: 量子伝達学習を用いた物体検出
• Abstract要約: 我々は,事前学習したMobileNetV2が視覚特徴を8つの量子ヒルベルト空間にマッピングする,オブジェクト検出のための古典量子ハイブリッドアーキテクチャを提案する。 局所量子期待値は連続的有界ボックス座標の予測に使用される。 本研究では, 周期境界条件が検出性能を劣化させることなく, 両端の絡み合いを抑制することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Object detection requires the joint learning of semantic identity and continuous spatial geometry. Existing quantum transfer learning approaches have focused mainly on classification tasks and do not support regression. Here, we introduce a physics informed hybrid classical-quantum architecture for object detection in which a pre-trained MobileNetV2 maps visual features into an eight qubits variationally quantum Hilbert space. The Hilbert space is partitioned into two task specific subspaces for semantic classification and geometric localization. Local quantum expectation values are used to predict continuous bounding box coordinates, while circuit topology regulates the flow of quantum information between the two tasks. We compare linear and circular CNOT topologies and show that periodic boundary conditions suppress bipartite entanglement without degrading detection performance. The circular architecture reaches a bipartite von Neumann entropy of 0.1688 bits and a Meyer-Wallach entanglement measure of 0.0370, while achieving an mAP@0.5 of 0.9448 and an mAP@0.5:0.95 of 0.6558. A thermodynamic formulation further interprets the total learning loss as a variation in Helmholtz free energy. It interprets geometric localization as an effective internal energy contribution and semantic classification as an entropic contribution. These results indicate that high performance in the proposed object detection model does not require maximal entanglement. Instead, efficient learning can emerge through topology controlled information flow, targeted restriction of entanglement, and information renormalization within the Hilbert space.
• Abstract（参考訳）: 物体検出には意味的アイデンティティと連続空間幾何学の合同学習が必要である。 既存の量子伝達学習アプローチは、主に分類タスクに焦点を当てており、回帰をサポートしていない。 そこで本研究では,事前学習したMobileNetV2が視覚特徴を8ビットの量子ヒルベルト空間にマッピングする,物体検出のための古典量子ハイブリッドアーキテクチャを提案する。 ヒルベルト空間は意味分類と幾何学的局所化のための2つのタスク固有の部分空間に分割される。 局所的な量子期待値は連続的なバウンディングボックス座標の予測に使用され、回路トポロジーは2つのタスク間の量子情報のフローを制御する。 線形CNOTトポロジと円形CNOTトポロジを比較し、周期境界条件が検出性能を劣化させることなく二部構造絡みを抑制することを示す。 円形のアーキテクチャは、0.1688ビットのフォン・ノイマンエントロピーと0.0370のメイヤー・ワラッハエンタングルメント尺度に到達し、mAP@0.5の0.9448、mAP@0.5:0.95の0.6558に達する。 熱力学的定式化により、ヘルムホルツ自由エネルギーの変動として学習損失の総和が解釈される。 これは幾何学的局所化を効果的な内部エネルギー寄与と解釈し、意味分類をエントロピー寄与と解釈する。 これらの結果から,提案した物体検出モデルの性能は最大エンタングルメントを必要としないことが示唆された。 代わりに、効率的な学習は、トポロジー制御された情報の流れ、絡み合いの標的の制限、ヒルベルト空間内の情報再正規化を通じて現れる。

関連論文リスト

• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Quantum-classical crossover in fault-tolerant quantum dynamics simulation [56.198154828333685]
  我々は、コヒーレントな観測可能推定と非クリフォード回転の時空間効率実装を組み合わせたスケーラブルなフォールトトレラントフレームワークを提案する。 最先端テンソルネットワークと変分モンテカルロアルゴリズムに対するベンチマークでは、混合場イジングダイナミクスのための具体的なクロスオーバーが明らかにされている。
  論文  参考訳（メタデータ） (2026-07-17T16:54:25Z)
• Lie-Algebraic Subspace Quantization for Zero-Shot Quantum Learning and Barren-Plateau Mitigation [0.9392167468538464]
  ゼロショット古典量子パラメータ転送と多様体モデルマージのためのフレームワークを提案する。 我々は、幾何学的トランケーションと正確な非ユニタリ性によって再構成誤差を束縛する部分空間量子化定理を証明した。 IBM ibm_kobe の実験では、Hellinger は k-8 で0.987 であり、サブスペース勾配は 128 の物理量子ビットまで解決可能である。
  論文  参考訳（メタデータ） (2026-07-13T07:15:12Z)
• Quantum Dynamic Time Warping for Multivariate Time Series Classification [41.99844472131922]
  本稿では,古典距離計量を量子ヒルベルト空間のパラメータ化幾何に置き換えたハイブリッド量子動的時間温暖化アーキテクチャを提案する。 このアーキテクチャにより、トレーニングされていない量子カーネルは高度に表現力のあるベースラインとして機能し、パラメータ化されたトレーニングは、高次元データの重複を効果的に解消する。
  論文  参考訳（メタデータ） (2026-06-26T07:58:37Z)
• Hysteretic squashed entanglement in many-body quantum systems [42.085941481155295]
  多体量子系の絡み合いは空間領域に分散する。 本研究では,二つの領域間の真の量子相関を測る条件付きエンタングルメントである,ヒステリックエンタングルメント$T_sq$を提案する。 我々は、T_sq$が隣接するサブシステムと長距離サブシステムの両方で真の量子相関を検出できることを示した。
  論文  参考訳（メタデータ） (2026-03-10T17:00:49Z)
• Hybrid Quantum-Classical Eigensolver with Real-Space Sampling and Symmetric Subspace Measurements [7.924603170890832]
  本稿では,強い相関を持つ量子多体系の計算問題に対処するハイブリッド量子古典固有解法を提案する。 提案手法は、テンソルネットワークブリッジ量子回路の実空間サンプリングと対称部分空間測定を組み合わせたものである。
  論文  参考訳（メタデータ） (2025-10-22T04:03:40Z)
• Variational Quantum Self-Organizing Map [0.0]
  古典的および量子的データの教師なし学習のための新しい量子ニューラルネットワークアーキテクチャを提案する。 我々のアルゴリズムはヒルベルト空間の基底位相を保ちながら、高次元ヒルベルト空間から格子点の低次元格子への写像を学習する。
  論文  参考訳（メタデータ） (2025-04-04T16:48:35Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Holographic properties of superposed quantum geometries [0.0]
  離散幾何学データの重ね合わせを特徴とする量子幾何状態のクラスにおけるホログラフィック特性について検討する。 このクラスにはスピンネットワーク、格子ゲージ理論の運動状態、離散量子重力が含まれる。
  論文  参考訳（メタデータ） (2022-07-15T17:37:47Z)
• Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
  我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。 一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。 二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
  論文  参考訳（メタデータ） (2021-12-22T15:27:30Z)
• Universal quantum computation and quantum error correction using discrete holonomies [0.0]
  ホロノミック量子計算は、量子状態の非自明で行列値の幾何位相(ホロノミー)を利用してフォールトトレラント計算を行う。 我々は,量子誤り訂正符号が本方式に自然に統合されることを示し,測定に基づく量子計算のモデルを提供する。
  論文  参考訳（メタデータ） (2021-09-08T14:55:17Z)
• Probing chiral edge dynamics and bulk topology of a synthetic Hall system [52.77024349608834]
  量子ホール系は、基礎となる量子状態の位相構造に根ざしたバルク特性であるホール伝導の量子化によって特徴づけられる。 ここでは, 超低温のジスプロシウム原子を用いた量子ホール系を, 空間次元の2次元形状で実現した。 磁気サブレベルが多数存在すると、バルクおよびエッジの挙動が異なることが示される。
  論文  参考訳（メタデータ） (2020-01-06T16:59:08Z)

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。