論文の概要: Quantum Entangled Multimodal Fusion Networks (QEMFN): Resource-Aware Hybrid Vision-Language Fusion via Trainable Entanglement

• arxiv url: http://arxiv.org/abs/2610.08216v1
• Date: Tue, 06 Oct 2026 12:08:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.971322
• Title: Quantum Entangled Multimodal Fusion Networks (QEMFN): Resource-Aware Hybrid Vision-Language Fusion via Trainable Entanglement
• Title（参考訳）: 量子エンタングル型マルチモーダル核融合ネットワーク(QEMFN):訓練可能なエンタングルメントによる資源対応ハイブリッドビジョンランゲージ核融合
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.19116784879310023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal vision-language systems typically fuse image and text embeddings through classical operators such as concatenation, attention, bilinear pooling, or tensor interactions. We propose Quantum Entangled Multimodal Fusion Networks (QEMFN), a hybrid quantum-classical framework that introduces parameterized entanglement as a structured inductive bias for multimodal fusion. Pretrained visual and textual features are projected into compact latent spaces, encoded as angle-parameterized quantum states, processed through intra-modal and paired cross-modal entangling circuits, and measured to produce fused representations for retrieval. Under matched parameter budgets and identical frozen CLIP backbones, QEMFN outperforms classical fusion baselines on COCO-5k and Flickr30k, including multilayer perceptron, tensor fusion, FiLM, cross-attention, compact transformer, and a dequantized paired-topology analogue. An ablation suite isolates the quantum module's contribution from the surrounding classical projections, and quantum-centric analyses report Meyer-Wallach entangling capability, expressibility, gradient variance against barren-plateau bounds, and entropy-performance correlation under controls for training progress alongside an intervention study on the entangling component. QEMFN is executed under shot-based estimation, a noise-modeled fake backend, and a real superconducting device with zero-noise extrapolation. This work does not claim quantum computational advantage; the contribution is the framework together with a controlled empirical and quantum-centric evaluation that positions trainable entanglement as an interpretable, hardware-executable fusion mechanism at scales accessible on contemporary devices.
• Abstract（参考訳）: マルチモーダル視覚言語システムは通常、結合、注意、双線形プール、テンソル相互作用のような古典的な演算子を通して画像とテキストの埋め込みを融合する。 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Quantum Entangled Multimodal Fusion Networks (QEMFN)を提案する。 事前訓練された視覚的特徴とテキスト的特徴は、コンパクトな潜在空間に投影され、角度パラメータ化された量子状態として符号化され、モーダル内およびペアのクロスモーダルエンタングリング回路を通して処理され、検索のための融合表現を生成するために測定される。 一致したパラメータ予算と同じ凍結したCLIPバックボーンの下で、QEMFNはCOCO-5kとFlickr30kの古典的な融合ベースラインを上回り、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、量子化されたペアトポロジーアナログを含む。 アブレーションスイートは、量子モジュールのコントリビューションを周囲の古典射影から分離し、量子中心解析では、メイヤー・ワラッハのエンタングリング能力、表現性、バレン・プラトー境界に対する勾配分散、およびエントロピー・パフォーマンス相関を、エンタングリング成分の介入研究と共にトレーニング進行の制御下で報告している。 QEMFNは、ショットベース推定、ノイズモデリングされたフェイクバックエンド、およびゼロノイズ外挿による実際の超伝導デバイスの下で実行される。 この研究は量子計算の優位性を主張していない; この貢献は、現代のデバイスでアクセス可能なスケールで、解釈可能でハードウェアで実行可能な核融合機構として訓練可能な絡み合いを配置する、制御された経験的および量子中心的な評価と共に、フレームワークである。

関連論文リスト

• Feature Entanglement-based Quantum Multimodal Fusion Neural Network [18.981374324653455]
  本稿では,機能的絡み合いに基づく量子マルチモーダル核融合ニューラルネットワークを提案する。 このモデルは、3つのコアコンポーネントで構成されている: 単一モーダル処理のための古典的なフィードフォワードモジュール、解釈可能な量子融合ブロック、そして深い特徴抽出のための量子畳み込みニューラルネットワーク(QCNN)である。 量子の強い表現力を利用することで、マルチモーダル核融合と後処理の複雑さを線形に減らし、融合プロセスは決定レベルの核融合の解釈可能性も持っている。
  論文  参考訳（メタデータ） (2026-01-09T07:26:12Z)
• Practical Quantum-Classical Feature Fusion for complex data Classification [0.0]
  ハイブリッド量子と古典学習は、古典的ニューラルネットワークの堅牢性と量子特徴写像を結合することを目的としている。 本稿では,ハイブリッド学習のマルチモーダルな定式化について述べる。 本研究では, ワイン, 乳がん, 森林被覆タイプ, ファッションMNIST, スティールプランツフォールトについて, 量子オントモデル, 古典的ベースライン, 残留ハイブリッドモデル, 提案中核融合モデルを比較した。
  論文  参考訳（メタデータ） (2025-12-22T09:16:08Z)
• Exploring polymer classification with a hybrid single-photon quantum approach [45.88028371034407]
  本稿では, 単一光子を用いた量子分類器と, 古典的ディープニューラルネットワークを結合したハイブリッドな古典量子形式について述べる。 このパイプラインは、その光学的ギャップによってポリマー種をうまく分類し、CPUベースのノイズシミュレーションとQuandelaのAscella量子プロセッサ上でのプルーフ・オブ・プリンシプルの動作による性能向上を実現した。
  論文  参考訳（メタデータ） (2025-12-19T23:06:38Z)
• QiNN-QJ: A Quantum-inspired Neural Network with Quantum Jump for Multimodal Sentiment Analysis [11.46663985298648]
  マルチモーダルエンタングルメントモデリングのための量子ジャンプ(QiNN-QJ)を用いた量子インスピレーションニューラルネットワークを提案する。 ハミルトン作用素とリンドブラッド作用素を併用することにより、QiNN-QJは制御可能なクロスモーダル絡みを生成する。 この研究は、絡み合ったマルチモーダル核融合の原理的な枠組みを確立し、複雑な相互モーダル相関をモデル化する量子インスパイアされたアプローチの道を開く。
  論文  参考訳（メタデータ） (2025-10-31T01:25:55Z)
• Variational Quantum Algorithm for Unitary Dilation [0.0]
  非ユニタリ作用素の近似ユニタリ拡張を効率的に実装するためのハイブリッド量子古典フレームワークを提案する。 量子クラウドコンピューティングクラスタQuafuにおける超伝導デバイスへのアプローチを検証する。
  論文  参考訳（メタデータ） (2025-10-22T01:23:59Z)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• Expressive and Scalable Quantum Fusion for Multimodal Learning [16.82193084379014]
  提案手法は量子融合層 (Quantum Fusion Layer, QFL) と呼ばれ、古典的な融合スキームをハイブリッドな量子古典的手順で置き換える。 シミュレーションでは、QFLは小さなが多様なマルチモーダルタスクにおいて、強い古典的ベースラインを一貫して上回る。 これらの結果は、QFLがマルチモーダル融合に対する根本的に新しいスケーラブルなアプローチを提供し、より大きなシステムに対するより深い探索に役立つことを示唆している。
  論文  参考訳（メタデータ） (2025-10-08T12:19:44Z)
• Crosstalk-Resilient Quantum MIMO for Scalable Quantum Communications [40.44880302154388]
  クロストークは物理的に結合した量子モードが干渉し、信号の忠実度が低下するときに発生する。 本稿では、離散可変量子情報を連続可変モードに符号化することに基づく緩和戦略を提案する。 論理情報の回復を可能にするゲージ固定デコーダの存在を実証する。
  論文  参考訳（メタデータ） (2025-06-26T18:40:26Z)
• 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)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)

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。