論文の概要: Learning to Program Adaptive Non-Local Observables for Machine Learning

• arxiv url: http://arxiv.org/abs/2609.18655v1
• Date: Wed, 16 Sep 2026 13:35:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.821756
• Title: Learning to Program Adaptive Non-Local Observables for Machine Learning
• Title（参考訳）: 機械学習のための適応型非ローカライズ可能な非ローカライズ学習
• Abstract要約: 量子ニューラルネットワーク(QNN)は通常、変動量子回路(VQC)から構築される。 ANO(Adaptive Non-local observables)は、回路パラメータとマルチキュービットの測定を共同で最適化することでこの問題に対処する。 本稿では,VQCパラメータを動的にプログラムし,各入力に条件付けされた非局所可観測性を実現するために,古典的ハイパーネットワークを用いた新しいアーキテクチャQFWP-ANOを提案する。
• 参考スコア（独自算出の注目度）: 20.329699363747775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum neural networks (QNNs) are typically built from variational quantum circuits (VQCs), which are limited by local measurements. Adaptive non-local observables (ANO) address this by jointly optimizing circuit parameters and multi-qubit measurements. However, existing ANO-based VQCs learn only a single static observable that remains invariant across all inputs. We propose QFWP-ANO, a novel architecture which employs a classical hypernetwork to dynamically program VQC parameters and/or non-local observables conditioned on each input. On multivariate time-series forecasting across four ETT datasets, QFWP-ANO achieves the lowest MSE in 16 of 20 settings and second-lowest in the remaining four, surpassing ANO-based and other strong baselines. On reinforcement learning tasks, QFWP-ANO consistently surpasses ANO-VQCs. Our results establish input-conditioned ANO as an effective approach for enhancing QNNs.
• Abstract（参考訳）: 量子ニューラルネットワーク(QNN)は通常、局所的な測定によって制限される変動量子回路(VQC)から構築される。 ANO(Adaptive Non-local observables)は、回路パラメータとマルチキュービットの測定を共同で最適化することでこの問題に対処する。 しかし、既存のANOベースのVQCは、すべての入力で不変な単一の静的オブザーバブルしか学習しない。 本稿では,VQCパラメータを動的にプログラムし,各入力に条件付けされた非局所可観測性を実現するために,古典的ハイパーネットワークを用いた新しいアーキテクチャQFWP-ANOを提案する。 4つのETTデータセットにまたがる多変量時系列予測において、QFWP-ANOは、20設定中16設定で最低のMSEを達成し、残りの4セットで2番目に低いMSEを達成し、ANOベースや他の強力なベースラインを上回った。 強化学習タスクでは、QFWP-ANOは一貫してANO-VQCを超えている。 提案手法は,入力条件付きANOをQNNの強化に有効なアプローチとして確立した。

関連論文リスト

• Quantum Geometric Tensor Preconditioning for Stable Training of Recurrent Neural Quantum States [0.06554326244334865]
  ニューラル量子状態(NQS)は、多体波動関数を表現し、基底状態を解決するための強力なニューラルネットワークベースの変分フレームワークを提供する。 リカレントニューラルネットワーク(RNN)は,比較的低い計算コストと自己回帰特性のために,特に有望である。 minSRは単純な正規化手法により安定化可能であることを示し、少数のサンプルでRNNベースのNQSの堅牢なトレーニングを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T17:54:08Z)
• Multivariate Time Series Forecasting with Adaptive Non-Local Observables [20.329699363747775]
  MTSF-ANO(MTSF-ANO)は,変分量子回路と適応非局所観測器(ANO)を統合したMTSFの簡易ハイブリッドモデルである。 4つのETTデータセットでは、MTSF-ANOが20設定中17設定でMSEで1位または2位にランクインし、ETTh1で最強のベースラインを最大20%改善した。 量子回路設計とANO非局所性が性能に与える影響を示す。
  論文  参考訳（メタデータ） (2026-07-27T13:14:45Z)
• Low-Overhead Error-Corrected QCNNs Using Bivariate Bicycle Codes [46.79788938455095]
  量子畳み込みニューラルネットワーク(QCNN)は、量子コンピューティングのパワーと古典的なCNNを組み合わせて、分類タスクの計算スピードアップを行う。 最先端の量子デバイスにおけるノイズレベルは、実用的なQCNNの実行には高すぎる。 本稿では,QCNNに対する距離4 BB量子誤差補正手法を提案する。
  論文  参考訳（メタデータ） (2026-07-07T01:12:38Z)
• Quantum Reinforcement Learning by Adaptive Non-local Observables [10.617463958884528]
  可変量子回路(VQC)における適応的非局所観測可能(ANO)パラダイムを導入する。 ANO-VQCアーキテクチャは、Deep Q-Network (DQN) と Asynchronous Advantage Actor-Critic (A3C) アルゴリズムの関数近似器として機能する。 この結果から,適応型マルチキュービットオブザーバブルは,強化学習における実用的な量子アドバンテージを実現することができることが示された。
  論文  参考訳（メタデータ） (2025-07-25T18:57:16Z)
• Comparative Analysis of QNN Architectures for Wind Power Prediction: Feature Maps and Ansatz Configurations [0.0]
  量子機械学習(QML)は、絡み合いや重畳といった量子力学の原理を活用することで、古典的な機械学習手法を強化することを目的としている。 この研究は、量子ニューラルネットワーク(QNN)にヒントを得た人工知能ニューラルネットワーク(ANN)を広範囲に評価する。 本稿では,QNNが予測タスクにおける古典的手法よりも優れており,実世界のアプリケーションにおけるQMLの可能性を示している。
  論文  参考訳（メタデータ） (2025-05-31T19:17:53Z)
• Neural network encoded variational quantum algorithms [0.241710192205034]
  ニューラルネットワーク(NN)符号化変分量子アルゴリズム(VQA)という一般的なフレームワークを導入する。 NN-VQAは与えられた問題からニューラルネットワークに入力(ハミルトンのパラメータなど)を供給し、その出力を使用して標準VQAのアンサッツ回路をパラメータ化する。 パラメータ化されたXXZスピンモデルの基底状態を解決するためのNN変分量子固有解器(VQE)について報告する。
  論文  参考訳（メタデータ） (2023-08-02T10:32:57Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
  スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。 これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。 そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
  論文  参考訳（メタデータ） (2022-09-27T15:04:01Z)
• Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural Networks [52.32646357164739]
  最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。 提案されたSIDNNは、幅広いOPFスキームと互換性がある。 他のLearning-to-OPFスキームとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-03-27T00:45:23Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。