論文の概要: Mu-DisCoCat: A Variational Pipeline for Compositional Generalization on Quantum Processors
- arxiv url: http://arxiv.org/abs/2610.08131v1
- Date: Tue, 06 Oct 2026 10:45:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.94319
- Title: Mu-DisCoCat: A Variational Pipeline for Compositional Generalization on Quantum Processors
- Title（参考訳）: Mu-DisCoCat: 量子プロセッサの構成一般化のための変分パイプライン
- Abstract要約: 本稿では,構成概念の一般化(CoCoGen)を実現する多モード変分量子学習フレームワークであるMu-DisCoCatを紹介する。
古典的なシミュレーションでは、モデルは多モード回路表現間の重なりを計算するためにウルマン状態忠実度を用いていた。
我々の研究は、VQC上でCoCoGenを実行するためのフレームワークを確立し、短期量子ハードウェアの実用的なユースケースを実証する。
- 参考スコア（独自算出の注目度）: 2.0560100491459505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Achieving compositional concept generalization (CoCoGen), the ability to understand novel situations by recombining learned primitives, remains a fundamental challenge in artificial intelligence. Compositional semantic models such as Compositional Distributional Semantics (DisCoCat) offer solutions by generalising vectors to tensors, but suffer from scaling bottlenecks when learning the tensors. Mapping DisCoCat onto Variational Quantum Circuits (VQCs) resolves this limitation for text, yet the methodology has not been expanded to multimodal situations such as the ones involved in CoCoGen. This paper introduces Mu-DisCoCat: a multimodal variational quantum learning framework for DisCoCat that achieves CoCoGen. The framework first learns stable object representations from single-object image-text pairs, then fixes these and uses them to learn the relations between them in multi-object situations. In classical simulations, the model used Uhlmann state fidelity to compute the overlap between the multimodal circuit representations and achieved higher relational OOD accuracy than the evaluated CLIP baseline. Its deployment was evaluated using the destructive SWAP test across noisy quantum emulators, including a range of IBM fake backends, IQM FakeAphrodite, and the IBM Marrakesh quantum processor. Despite real-world device noise, the hardware-executed models maintained a strong positive correlation with simulated fidelities, reliably distinguishing unseen similar and dissimilar pairs. Our work establishes a framework for executing CoCoGen on VQCs, demonstrating a viable use case for near-term quantum hardware.
- Abstract（参考訳）: 合成概念の一般化(CoCoGen)は、学習した原始体を組み換えることで、新しい状況を理解する能力であり、人工知能の根本的な課題である。
構成分布意味論(DisCoCat)のような構成的意味論モデルは、ベクトルをテンソルに一般化することで解を提供するが、テンソルを学ぶ際にボトルネックのスケーリングに悩まされる。
DisCoCatを変分量子回路(VQCs)にマッピングすることで、テキストの制限を解消するが、CoCoGenのようなマルチモーダルな状況に拡張されていない。
本稿では,CoCoGenを実現するマルチモーダル変分量子学習フレームワークであるMu-DisCoCatを紹介する。
このフレームワークはまず、単一のオブジェクトと画像とテキストのペアから安定したオブジェクト表現を学習し、それらを修正し、それら間の関係を複数のオブジェクトの状況で学習する。
古典的シミュレーションでは、モデルはUhlmann状態忠実度を用いてマルチモーダル回路表現間の重なり合いを計算し、評価されたCLIPベースラインよりも高いリレーショナルOOD精度を達成した。
その展開は、様々なIBM偽バックエンド、IQM FakeAphrodite、IBM Marrakesh量子プロセッサを含む、ノイズの多い量子エミュレータにわたる破壊的なSWAPテストを用いて評価された。
現実のデバイスノイズにもかかわらず、ハードウェアによって実行されたモデルは、シミュレーションされた忠実さと強い正の相関を維持し、見当たらない類似と異種のペアを確実に区別した。
我々の研究は、VQC上でCoCoGenを実行するためのフレームワークを確立し、短期量子ハードウェアの実用的なユースケースを実証する。
関連論文リスト
- Quantum Entangled Multimodal Fusion Networks (QEMFN): Resource-Aware Hybrid Vision-Language Fusion via Trainable Entanglement [0.19116784879310023]
量子エンタングルド・マルチモーダル核融合ネットワーク(QEMFN)は、マルチモーダル核融合のための構造的帰納バイアスとしてパラメータ化エンタングルメントを導入するハイブリッド量子古典的フレームワークである。
QEMFNはCOCO-5kとFlickr30kの古典的核融合ベースラインより優れており、多層パーセプトロン、テンソル融合、FiLM、クロスアテンション、コンパクトトランスフォーマー、およびデクエント化されたペアトポロジーアナログを含む。
この研究は量子計算の優位性を主張せず、その貢献は、制御された経験的および量子中心的な評価と共に枠組みである。
論文 参考訳（メタデータ） (2026-10-06T12:08:58Z) - Quantum Models with Multi-Stage Training for Compositional Concept Generalization [2.205782062842962]
我々は、関係から名詞を分離し、テンソルと変分量子回路を使ってデータでそれらを訓練する意味の合成モデルを用いた解を提供する。
テキストでは、異なるアンザッツの集合を用いて、名詞のベクトル表現と関係の高次テンソル表現を扱う。
画像に対しては、Open AIのビジョン言語ツールCLIPから派生した画像埋め込みの量子エンコーディングとコントラスト振幅エンコーディングを用いて、元の埋め込み幾何学を保存し、アングルエンコーディングにより非線形特徴変換を導入する。
論文 参考訳（メタデータ） (2026-08-16T07:58:46Z) - 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) - Quantize with Confidence? An Empirical Study of Quantization for Code Generation [4.347703075408796]
GPTQ, AWQ, QuIP#, AQLM, BitsAndBytes, GGUFの6種類の最先端量子化手法を2つの代表的な大符号モデルファミリに対して実験的に評価した。
保守性、信頼性、セキュリティ、構造的複雑さとともに機能的正確性(pass@1)を評価します。
その結果,量子化技術が正確性やコード品質に与える影響は,有意に異なることがわかった。
論文 参考訳（メタデータ） (2026-07-15T14:05:33Z) - The MQT Compiler Collection: A Blueprint for a Future-Proof Quantum-Classical Compilation Framework [4.628446024457055]
MQT Compiler Collectionは、将来的な量子古典コンパイルフレームワークの青写真である。
本稿では,高レベルアルゴリズムからハードウェア固有の命令までの完全なコンパイルパイプラインをサポートするため,コアMLIRの概念を取り入れたフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-09T18:05:10Z) - 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) - QML-HCS: A Hypercausal Quantum Machine Learning Framework for Non-Stationary Environments [0.0]
QML-HCSは量子インスパイアされた機械学習モデルの構築と分析のための研究グレードのフレームワークである。
可逆変換、マルチパス因果伝播、ドリフト中の代替状態の評価が可能な超因果処理コアを実装している。
アーキテクチャには継続的フィードバックが組み込まれており、因果一貫性を維持し、完全な再トレーニングを必要とせずにモデル動作を調整する。
論文 参考訳（メタデータ） (2025-11-18T17:50:49Z) - 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) - Extending C++ for Heterogeneous Quantum-Classical Computing [56.782064931823015]
qcorはC++とコンパイラの実装の言語拡張で、異種量子古典プログラミング、コンパイル、単一ソースコンテキストでの実行を可能にする。
我々の研究は、量子言語で高レベルな量子カーネル(関数)を表現できる、第一種C++コンパイラを提供する。
論文 参考訳（メタデータ） (2020-10-08T12:49:07Z)
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。