論文の概要: Recursive Quantum Long Short-Term Memory for Stable Short-Horizon Temperature Forecasting

• arxiv url: http://arxiv.org/abs/2609.20594v1
• Date: Thu, 17 Sep 2026 15:46:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.35881
• Title: Recursive Quantum Long Short-Term Memory for Stable Short-Horizon Temperature Forecasting
• Title（参考訳）: 安定短時間予測のための再帰的量子長短期記憶
• Abstract要約: 我々は,QLSTMアーキテクチャを標準QLSTMと比較し,1日当たりの最小温度と最大温度の1ステップ前予測を行う。 また,QLSTMの誤差は平均絶対誤差と根平均二乗誤差を減少させるとともに,より小さい一般化ギャップを示す。
• 参考スコア（独自算出の注目度）: 11.929891547783619
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum long short-term memory (QLSTM) models extend recurrent sequence learning with variational quantum circuits, but their optimization behavior can vary substantially across random initializations and temporal contexts. This paper evaluates a recursive QLSTM architecture against a standard QLSTM for one-step-ahead prediction of daily minimum and maximum temperature. Using daily weather observations from Toronto and identical training settings, we compare convergence, predictive accuracy, and generalization across input windows of 8, 16, and 32 days over 20 random seeds. The recursive model consistently reaches a near-optimal test loss earlier, reduces mean absolute error and root mean squared error, and exhibits a smaller generalization gap. These results indicate that recursive quantum feature transformations can improve stability and out-of-sample performance for compact hybrid quantum--classical temporal models.
• Abstract（参考訳）: 量子長短期記憶(QLSTM)モデルは、変動量子回路を用いて繰り返しシーケンス学習を拡張するが、それらの最適化挙動はランダム初期化や時間的文脈によって大きく異なる。 本稿では,1日あたりの最小温度と最大温度の1ステップ前予測のための標準QLSTMに対する再帰的QLSTMアーキテクチャについて検討する。 トロントから毎日の気象観測と同一の訓練環境を用いて,20個のランダム種子に対して8,16,32日間の入力窓の収束,予測精度,一般化を比較した。 再帰的モデルは、常にほぼ最適のテスト損失に到達し、平均絶対誤差とルート平均二乗誤差を低減し、より小さな一般化ギャップを示す。 これらの結果から、再帰的量子特徴変換は、コンパクトなハイブリッド量子-古典的時間モデルにおける安定性と外乱性能を向上させることが示唆された。

関連論文リスト

• Effects of Trotter Error, Digitization Error, and Initial State Overlap on Tapered Quantum Phase Estimation for Minimum Eigenvalue Computation [3.953304476953445]
  最適テーパ型量子位相推定の完全量子回路を数値的に実装する。 tQPEアルゴリズムのパラメータが変更されたとき、テープ付きQPEが最適な位相サンプリング率、絶対誤差、シャノンエントロピーに対してどのように機能するかを示す。
  論文  参考訳（メタデータ） (2026-09-05T20:25:20Z)
• 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)
• A Quantum-Classical Hybrid Framework for Multivariate Time-Series Forecasting Complexity-Fidelity Trade-offs and Limitations [4.77829808535938]
  本稿では,2種類のモデル変種であるQuantum Reservoir Forecaster (QRC-F) と変分量子予測器 (VQF-F) を紹介する。 提案フレームワークは,NISQハードウェア制約下での量子予測の複雑性-忠実トレードオフについて検討する。 その結果、NISQデバイスに展開する可能性の強い実用的な量子ネイティブ予測フレームワークが確立された。
  論文  参考訳（メタデータ） (2026-07-17T10:30:12Z)
• Randomized neural operator for parametric PDEs with fast training and conformal uncertainty quantification [47.720075875232226]
  我々は,PCAに基づく次元還元と固定ランダム特徴を組み合わせたニューラル演算子であるPCA-RaNNを紹介する。 演算子学習を固定回帰として再キャストし、遅延回帰を3桁まで削減する。
  論文  参考訳（メタデータ） (2026-06-28T15:02:26Z)
• QLIF-CAST: Quantum Leaky-Integrate-and-Fire for Time-Series Weather Forecasting [2.1702673021505245]
  この研究は、時系列回帰タスクにQuantum Leaky Integrate-and-Fireのスパイクニューラルネットワークを適用する。 QLIF-CASTは励起ニューロン状態を、Rx回転ゲートとT1緩和崩壊によって駆動される単一量子ビット量子重ね合わせとして符号化する。 IBM Marrakeshのハードウェア検証は信頼性の高い回路実行を確認し、シミュレーションからの平均偏差はわずか1.2%である。
  論文  参考訳（メタデータ） (2026-05-18T12:49:46Z)
• Variational Quantum Dimension Reduction for Recurrent Quantum Models [3.112711246449628]
  リカレント量子モデル(RQM)は、メモリシステムへのユニタリ演算の繰り返し適用を通じて、シーケンシャル量子プロセスを実現する。 本稿では,無関係なメモリ自由度を識別・除去するテクスチタリシジョン量子次元減少フレームワークを提案する。 我々のフレームワークは, 変量行列の積状態乱れに比べて, 最大で3桁小さいQFDRを実現している。
  論文  参考訳（メタデータ） (2026-03-10T12:12:16Z)
• 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)
• Hybrid Quantum Recurrent Neural Network For Remaining Useful Life Prediction [67.410870290301]
  本稿では、量子長短期記憶層と古典的な高密度層を組み合わせたハイブリッド量子リカレントニューラルネットワークフレームワークを提案する。 実験の結果、トレーニング可能なパラメータが少ないにもかかわらず、Hybrid Quantum Recurrent Neural Networkは、リカレントニューラルネットワークよりも最大5%改善できることがわかった。
  論文  参考訳（メタデータ） (2025-04-29T14:41:41Z)
• Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
  量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。 関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。 量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-21T21:40:47Z)
• Exploring the neighborhood of 1-layer QAOA with Instantaneous Quantum Polynomial circuits [0.0]
  我々は1層QAOA回路をパラメータ化即時量子多項式回路のより大きなクラスに埋め込む。 最適パラメータを求めるために解析式を用いることで、我々のプロトコルはバレンプラトーやハードウェアノイズに対して堅牢である。 我々のプロトコルは、最近リリースされたQuantinuum H2トラップイオン量子ハードウェアとエミュレータの1層QAOAよりも優れている。
  論文  参考訳（メタデータ） (2022-10-11T15:16:44Z)

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。