論文の概要: A Quantum Phase Neural Network with Multi-Inputs/Single-Output

• arxiv url: http://arxiv.org/abs/2610.00868v1
• Date: Thu, 01 Oct 2026 00:35:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.832242
• Title: A Quantum Phase Neural Network with Multi-Inputs/Single-Output
• Title（参考訳）: 多入力・単出力の量子位相ニューラルネットワーク
• Abstract要約: 35個の入力/単一出力量子位相ニューラルネットワーク (QPNN) が提案され, 英字A'and'B'composed 7*5 of pixels を認識する。 正規化と量子位相符号化により、0または1のデジタル入力を持つ35の集合は量子重ね合わせ状態に符号化される。 制御されたNOTゲートは、2つの入力間の相対位相を絡めるために使用される。
• 参考スコア（独自算出の注目度）: 0.36534299991570274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A 35 input/single output quantum phase neural network (QPNN) is proposed to recognize the English letters' A 'and' B 'composed 7*5 of pixels. Each node of the proposed QPNN has the input with 0 or 1. Through normalization and quantum phase encoding, each set of 35 with 0 or 1 digital inputs is encoded into a quantum superposition state described by 35 quantum phases. Then, a quantum rotation gate is used to introduce adjustable phase, and a controlled NOT gate is used to entangle the relative phase between the two inputs. The relationship between the input and output of the network is derived. This paper also derived the phase weight learning training algorithm with adaptive learning rate. The solutions with the recognition probability of 1 is designed, and the analytical expressions for all adjustable phase solutions with zero errors are not unique. The experimental performance is verified on the Qiskit platform. This paper uses phase drive to convert the probability calculation into an analytical polynomial function with adjustable rotation angles in the network, avoiding the bottleneck of generating all 2^35 complex exponential amplitudes and providing an effective way to solve the "exponential wall" problem, which provides a new implementation solution for the practical application of multi-input recognition problems.
• Abstract（参考訳）: 35個の入力/単一出力量子位相ニューラルネットワーク (QPNN) が提案され、英字A'and'B'composed 7*5 of pixels を認識する。 提案したQPNNの各ノードは0または1の入力を持つ。 正規化と量子位相符号化により、0または1のデジタル入力を持つ35個の集合は、35個の量子位相によって記述された量子重ね合わせ状態に符号化される。 次に、調整可能な位相を導入するために量子回転ゲートを使用し、制御されたNOTゲートを使用して2つの入力間の相対位相を絡み合わせる。 ネットワークの入力と出力の関係を導出する。 また,適応学習率を用いた位相重み学習学習アルゴリズムを考案した。 1の認識確率を持つ解は設計されており、ゼロ誤差を持つ全ての調整可能な位相解に対する解析式はユニークではない。 実験性能はQiskitプラットフォーム上で検証される。 本稿では、位相駆動を用いて、確率計算をネットワーク内の調整可能な回転角を持つ解析多項式関数に変換し、全ての2^35複素指数振幅を生成するボトルネックを回避し、"指数壁"問題を解決する効果的な方法を提供し、マルチインプット認識問題の実用化のための新しい実装ソリューションを提供する。

関連論文リスト

• Verifiable quantum advantage in extremely low depth [52.51019642214249]
  浅量子回路では解けない問題を格子ベースの仮定で解くのが困難である。 浅量子回路は、解を効率よく検証できる古典的な難題を解くのに十分な構造を持っていることを証明している。
  論文  参考訳（メタデータ） (2026-09-01T15:54:34Z)
• Deterministic Quantum Phase Estimation with Linear Circuit Complexity in a Photonic System [4.969716969054012]
  量子アルゴリズムは、よく知られた古典的アルゴリズムよりも高速に計算問題を解く。 本稿では,特殊演算子のクラスに対して,回路複雑性を$mathcalO(n2)$から$mathcalO(n)$に低減するQPEアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-07-15T03:02:14Z)
• Data Complexity Measures for Quantum Circuits Architecture Recommendation [55.74527632797241]
  量子パラメトリック回路は、量子回路のサイズを減らす代替として構築される。 与えられた問題の最適回路を決定することは 未解決の問題です 本研究では,分類問題に対する量子回路レコメンデーションアーキテクチャを,データベースの複雑性尺度を用いて提案する。
  論文  参考訳（メタデータ） (2025-02-21T01:17:24Z)
• Robust sparse IQP sampling in constant depth [3.670008893193884]
  NISQ(ノイズのある中間スケール量子)は、堅牢な量子優位性と完全なフォールトトレラント量子計算の証明のないアプローチである。 本稿では,最小限の誤差補正条件でノイズに頑健な証明可能な超多項式量子優位性を実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-20T09:41:08Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• Synthesis of Quantum Circuits with an Island Genetic Algorithm [44.99833362998488]
  特定の演算を行うユニタリ行列が与えられた場合、等価な量子回路を得るのは非自明な作業である。 量子ウォーカーのコイン、トフォリゲート、フレドキンゲートの3つの問題が研究されている。 提案したアルゴリズムは量子回路の分解に効率的であることが証明され、汎用的なアプローチとして、利用可能な計算力によってのみ制限される。
  論文  参考訳（メタデータ） (2021-06-06T13:15:25Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。