論文の概要: QART: A Quantum-Classical Hybrid Architecture for Long-Horizon Reasoning -- Exploring a Conditional Path toward Quantum Scaling
- arxiv url: http://arxiv.org/abs/2609.16887v1
- Date: Tue, 15 Sep 2026 09:21:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.431645
- Title: QART: A Quantum-Classical Hybrid Architecture for Long-Horizon Reasoning -- Exploring a Conditional Path toward Quantum Scaling
- Title（参考訳）: QART: 長距離推論のための量子古典的ハイブリッドアーキテクチャ - 量子スケーリングに向けた条件付きパスを探る
- Abstract要約: ロングホライゾン推論は、後の決定を損なう早期エラーに対して脆弱である。
本稿では、バックボーン言語モデルと量子符号化、CIMベースのQUBO最適化、量子デコーディングを組み合わせた量子古典ハイブリッドアーキテクチャQARTを提案する。
- 参考スコア（独自算出の注目度）: 20.96528957972914
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Long-horizon reasoning is vulnerable to early errors that compromise later decisions. We present QART, the Quantum-Augmented Reasoning Transformer, a quantum--classical hybrid architecture combining a backbone language model with quantum encoding, CIM-based QUBO optimization, and quantum decoding. Semantic information can come from hidden representations or model-generated text; detailed encoding and optimization procedures remain proprietary. Under explicit assumptions, we establish a conditional asymptotic reliability separation from single-trajectory autoregressive LLMs. For a common task family with aligned optimality and acceptance criteria, autoregressive acceptance probability tends to zero when cumulative conditional risk of irreversible errors diverges. QART's task-optimal-path recovery probability remains bounded away from zero if conditional probabilities for optimal-path coverage and semantic fidelity, spectral certification, dynamical reachability, and faithful readout remain uniformly positive under a specified resource schedule. The architecture alone does not imply these bounds. Paired measurements on six long-horizon benchmarks using DeepSeek V4 Flash, GLM-5.3, and GPT-5.5 xhigh in a Codex agent environment favor QART in 14 of 15 backbone--benchmark pairs. Relative gains reach 84.0% on SciCode, 47.6% on $τ^3$-Bench, and 44.4% on Terminal-Bench 4.0; the DeepSeek V4 Flash configuration regresses by 7.8% on DeepSWE. These results do not directly validate the asymptotic separation. Potential quantum scaling laws are formulated as conditional hypotheses. A quantum-advantage interpretation requires a demonstrated CIM quantum advantage over strong classical solvers and its transfer to end-to-end reasoning after all system overheads.
- Abstract（参考訳）: ロングホライゾン推論は、後の決定を損なう早期エラーに対して脆弱である。
本稿では,QART(Quantum-Augmented Reasoning Transformer)とバックボーン言語モデルと量子符号化,CIMベースのQUBO最適化,量子デコーディングを組み合わせた量子古典的ハイブリッドアーキテクチャを提案する。
意味情報は、隠された表現やモデル生成されたテキストから得ることができる。
明示的な仮定の下では、単一軌道自己回帰LDMから条件付き漸近的信頼性を分離する。
最適性と受け入れ基準に整合した共通タスク群では、非可逆誤差の累積条件リスクがばらつき、自己回帰的受容確率がゼロになる傾向にある。
QARTのタスク最適経路回復確率は、最適パスカバレッジとセマンティックフィデリティ、スペクトル認証、ダイナミックリーチビリティ、忠実な読み出しが指定されたリソーススケジュールの下で一様正である場合、ゼロから逸脱したままである。
アーキテクチャだけでは、これらの境界は意味しない。
DeepSeek V4 Flash, GLM-5.3, GPT-5.5 xhigh を Codex エージェント環境で使用した6つのロングホライゾンベンチマークでは、15のバックボーン-ベンチマークペアのうち14の QART が好まれている。
相対的なゲインはSciCodeで84.0%、$τ^3$-Benchで47.6%、 Terminal-Bench 4.0で44.4%に達し、DeepSeek V4 Flash設定はDeepSWEで7.8%上昇した。
これらの結果は、漸近性分離を直接的に検証するものではない。
潜在的な量子スケーリング法則は条件付き仮説として定式化されている。
量子アドバンテージ解釈は、強い古典的解法よりも証明されたCIM量子優位と、全てのシステムのオーバーヘッドの後、エンドツーエンドの推論への転送を必要とする。
関連論文リスト
- A Unified Physics-Aware Quantum Machine Learning Framework across Power GaN HEMTs and Logic Nanowire FETs: Predicting Unseen Process Splits and Held-Out Geometry Combinations with Lower Error and Tighter Split-to-Split Variability [10.86517852984593]
データスカースデバイスモデリングのための小型パラメタライズド量子回路(PQC)を探索する統合強化学習フレームワークを提案する。
グラフニューラルネットワーク(GNN)ポリシーは、ホールドアウトプロセスや幾何グループに対するLOGOCV(Left-one-out cross-validation)エラーを報奨として回路アーキテクチャを探索する。
このフレームワークは、11の目標に対して6つの古典的ベースラインに対して最低平均絶対誤差(MAE)を達成し、59%の誤り(Ioff)、81%のHEMTに対する厳密な折りたたみ変動(VTH)、84%の誤り(V)を達成している。
論文 参考訳（メタデータ） (2026-09-04T15:15:40Z) - Beyond Thresholds: A Quality-Aware Decision Intelligence Framework for Cold Chain IoT Systems [0.0]
コールドチェーンのロジスティクスは技術的に進歩しているが、ほとんどのデプロイされたシステムは、意思決定エージェントではなく、リアクティブなモニターのままである。
このギャップを3つの機能を組み合わせた品質認識意思決定インテリジェンスフレームワークで解決する。
しきい値監視、物理のみ、物理余剰ノイズ、最適化に基づく決定、ルールベースのエキスパートシステムという5つのベースラインをベンチマークします。
論文 参考訳（メタデータ） (2026-08-15T06:59:08Z) - SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
基底状態探索は量子コンピューティングの中心である。
我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。
我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
論文 参考訳（メタデータ） (2026-03-25T13:38:15Z) - AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳（メタデータ） (2026-02-02T14:39:42Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Error Mitigation of Fault-Tolerant Quantum Circuits with Soft Information [39.64742821341961]
量子誤り訂正(QEC)の時代において、量子エラー軽減(QEM)が引き続き大きなメリットをもたらすことを示す。
我々は、選択後および実行中止ポリシー、確率的エラーキャンセル、ゼロノイズ外挿という3つの論理レベルのQEM手法を開発し、分析する。
我々の手法は、0.1%未満のショットを捨てながら、論理誤差率を100倍以上に削減する。
論文 参考訳（メタデータ） (2025-12-10T17:49:06Z) - A Non-Monotonic Relationship: An Empirical Analysis of Hybrid Quantum Classifiers for Unseen Ransomware Detection [0.0]
本稿では,主成分分析(PCA)を用いた高次元データセットを用いた可変量子(VQC)ハイブリッドフレームワークを実験的に検討する。
12ビットのVQCでも古典的なベースライン97.7%のリコールには届かなかったため、重要な情報ボトルネックが明らかとなった。
これらの結果は、QMLのポテンシャルをアンロックするには、より効率的なデータ圧縮技術と堅牢な量子最適化戦略を共同開発する必要があることを強調している。
論文 参考訳（メタデータ） (2025-09-09T17:06:45Z) - Threshold for Fault-tolerant Quantum Advantage with the Quantum Approximate Optimization Algorithm [6.328164687610608]
現実的な仮定の下では、量子コンピュータが古典的な最適化問題に勝ることはありそうにない。
さらに, 物理誤差率と耐故障性オーバーヘッドの低減が期待できるため, 古典的解法エネルギー消費に対するこの制限は緩和可能であることを示す。
これらの結果は、大規模フォールトトレラント量子コンピュータが最適化に有用であるという仮説を支持している。
論文 参考訳（メタデータ） (2025-04-02T16:57:28Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks [62.87033427172205]
自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
論文 参考訳（メタデータ） (2024-01-19T17:16:40Z) - Error Mitigation-Aided Optimization of Parameterized Quantum Circuits:
Convergence Analysis [42.275148861039895]
変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。
不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。
QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。
QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
論文 参考訳（メタデータ） (2022-09-23T10:48:04Z)
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。