論文の概要: Variational Quantum Transformer Architecture for Synthetic Language Generation

• arxiv url: http://arxiv.org/abs/2609.18565v1
• Date: Wed, 16 Sep 2026 12:23:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.797834
• Title: Variational Quantum Transformer Architecture for Synthetic Language Generation
• Title（参考訳）: 変分量子変換器による合成言語生成
• Abstract要約: 合成QNLPシーケンスモデリングのためのコンパクトなNISQ互換量子トランスフォーマアーキテクチャを提案する。 この寄与は量子優位性の主張ではなく、具体的なアーキテクチャとトランスフォーマーにインスパイアされたQNLPシーケンスモデリングの評価である。
• 参考スコア（独自算出の注目度）: 2.611390035495908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a compact NISQ-compatible quantum transformer architecture for synthetic QNLP sequence modelling. The model preserves the autoregressive next-token interface of a classical transformer, but replaces attention and feed-forward sublayers with variational quantum encoder blocks, connector circuits, decoder blocks and a direct two-qubit measurement readout. Token contexts are angle-encoded into small quantum registers, processed by parallel variational heads and encoder integration circuits and conditioned through decoder ancillae to produce a distribution over a four-token vocabulary. We evaluate several architecture variants on deterministic and lexicographic grammar-generation tasks against a compact classical transformer baseline. The quantum models are trainable end-to-end and learn nontrivial grammar structure, including perfect deterministic generation in individual runs and high lexicographic validity in the strongest variant. The classical baseline remains more accurate and stable and the quantum models are sensitive to initialization. The contribution is therefore not a claim of quantum advantage, but a concrete architecture and evaluation of transformer-inspired QNLP sequence modelling under near-term quantum constraints.
• Abstract（参考訳）: 合成QNLPシーケンスモデリングのためのコンパクトなNISQ互換量子トランスフォーマアーキテクチャを提案する。 このモデルは、古典的変換器の自己回帰的次トーケンインタフェースを保存するが、注意とフィードフォワードのサブレイヤを、変分量子エンコーダブロック、コネクタ回路、デコーダブロック、および直接2ビット測定読み出しに置き換える。 トークンコンテキストは、小さな量子レジスタにエンコードされ、並列な変動ヘッドとエンコーダ積分回路によって処理され、デコーダアンシラを介して条件付きで4つの単語の分布を生成する。 決定論的および語彙的文法生成タスクにおいて、コンパクトな古典トランスフォーマーベースラインに対して、いくつかのアーキテクチャ変種を評価する。 量子モデルは訓練可能なエンドツーエンドであり、個々の実行における完全な決定論的生成や最強変種における高い語彙的妥当性を含む非自明な文法構造を学習する。 古典的なベースラインはより正確で安定であり、量子モデルは初期化に敏感である。 したがって、コントリビューションは量子優位性の主張ではなく、具体的なアーキテクチャと、短期的な量子制約の下でのトランスフォーマーにインスパイアされたQNLPシーケンスモデリングの評価である。

関連論文リスト

• 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)
• 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)
• Quantum NLP models on Natural Language Inference [3.119991939664782]
  量子自然言語処理(QNLP)は、セマンティックモデリングに対する新しいアプローチを提供する。 本稿では,自然言語推論(NLI)におけるQNLPモデルの適用について検討する。 文ペアのためのパラメータ化量子回路を構築し、意味的関連性と推論の分類の両方を訓練する。
  論文  参考訳（メタデータ） (2025-10-12T17:27:26Z)
• 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)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Quantum Adaptive Self-Attention for Quantum Transformer Models [0.0]
  本稿では,量子アテンション機構を備えた古典的トランスフォーマーモデルを強化するハイブリッドアーキテクチャであるQuantum Adaptive Self-Attention (QASA)を提案する。 QASAはドット積の注意をパラメータ化量子回路(PQC)に置き換え、量子ヒルベルト空間におけるトークン間の関係を適応的に捉える。 合成時系列タスクの実験により、QASAは標準変圧器と古典的変圧器の双方と比較して、より高速な収束と優れた一般化を実現することが示された。
  論文  参考訳（メタデータ） (2025-04-05T02:52:37Z)
• Quantum Data Encoding and Variational Algorithms: A Framework for Hybrid Quantum Classical Machine Learning [0.0]
  量子機械学習(QML)は、量子力学の計算フレームワークと古典的な機械学習の適応特性を統合する。 この記事では、古典的なデータパイプラインと量子アルゴリズムの接続を可能にする広範なアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-17T16:04:04Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• QNet: A Quantum-native Sequence Encoder Architecture [2.8099769011264586]
  この研究は、量子コンピュータ上で最小の量子ビットを用いて完全に推論する新しいシーケンスエンコーダモデルQNetを提案する。 さらに,残差接続によってリンクされた数個のQNetブロックからなる量子古典ハイブリッドモデルResQNetを紹介する。
  論文  参考訳（メタデータ） (2022-10-31T12:36:37Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)

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。