論文の概要: Q-PhotoMarket: A Design Space Exploration Framework for Photonic Hybrid Quantum Neural Networks in Financial Market Prediction
- arxiv url: http://arxiv.org/abs/2610.09641v1
- Date: Wed, 07 Oct 2026 08:15:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.794009
- Title: Q-PhotoMarket: A Design Space Exploration Framework for Photonic Hybrid Quantum Neural Networks in Financial Market Prediction
- Title（参考訳）: Q-PhotoMarket:金融市場予測のためのフォトニックハイブリッド量子ニューラルネットワークの設計空間探索フレームワーク
- Abstract要約: フォトニック量子コンピューティングは、ハイブリッド量子機械学習のための有望なプラットフォームとして登場した。
金融のための量子手法への関心が高まりつつあるにもかかわらず、予測性能に対するフォトニック回路設計の選択の影響はほとんど解明されていない。
金融市場予測に応用したフォトニックハイブリッド量子ニューラルネットワーク(HQNN)の体系的設計空間探索フレームワークであるQ-PhotoMarketを提案する。
- 参考スコア（独自算出の注目度）: 2.1702673021505245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Photonic quantum computing has recently emerged as a promising platform for hybrid quantum machine learning due to its native realization of linear-optical circuits and the computational complexity of boson sampling. However, despite growing interest in quantum methods for finance, the influence of photonic circuit design choices on predictive performance remains largely unexplored. Existing studies typically evaluate a single architecture, leaving the broader photonic design space unexamined. In this work, we present Q-PhotoMarket, a systematic design space exploration (DSE) framework for photonic hybrid quantum neural networks (HQNNs) applied to financial market prediction. We explore over 5,000 valid photonic configurations spanning input photon states, circuit architectures, entangling models, and measurement strategies across their compatible computation spaces, for U.S., Indian, and cryptocurrency markets. To improve search efficiency, the exhaustive exploration is complemented with Bayesian optimization. We further incorporate threshold calibration and prediction-collapse diagnostics to enable reliable evaluation under increasingly imbalanced return thresholds. Experimental results show that systematic exploration of more than 5,000 photonic HQNN configurations reveals consistent architectural patterns across financial markets, identifies robust high-performing designs, and demonstrates competitive performance relative to classical machine learning baselines.
- Abstract（参考訳）: フォトニック量子コンピューティングは、リニア光回路のネイティブ化とボソンサンプリングの計算複雑性により、ハイブリッド量子機械学習のための有望なプラットフォームとして最近登場した。
しかし、金融のための量子手法への関心が高まりつつあるにもかかわらず、フォトニック回路設計の選択が予測性能に与える影響は、まだ明らかになっていない。
現存する研究は通常、単一のアーキテクチャを評価し、より広いフォトニックデザイン空間を未検討のまま残している。
本稿では、金融市場予測に応用したフォトニックハイブリッド量子ニューラルネットワーク(HQNN)のためのシステム設計空間探索(DSE)フレームワークであるQ-PhotoMarketを提案する。
我々は、入力光子状態、回路アーキテクチャ、エンタングリングモデル、および、米国、インド、暗号通貨市場など、互換性のある計算空間にわたる測定戦略にまたがる5000以上の有効なフォトニック構成を探索する。
探索効率を向上させるため、徹底的な探索はベイズ最適化と補完される。
さらにしきい値のキャリブレーションと予測崩壊診断を組み込んで,不均衡なリターンしきい値が増大する中で,信頼性の高い評価を可能にする。
実験結果から,5000以上のフォトニックHQNN構成の体系的な探索により,金融市場全体にわたる一貫したアーキテクチャパターンが明らかとなり,堅牢なハイパフォーマンスな設計が同定され,古典的な機械学習ベースラインに対する競合性能が示された。
関連論文リスト
- Q-PhotoNAS: Hybrid Quantum Neural Architecture Search Framework on Photonic Devices [2.6922241225158774]
フォトニック量子コンピューティングは、スケーラブルな量子機械学習のための有望なプラットフォームである。
既存のアプローチは、古典的な前処理、位相符号化、フォトニック回路構造の間の協調を考慮できない手動チューニングアーキテクチャに依存している。
本稿では,遺伝的アルゴリズムに基づく探索と学習可能な量子位相符号化を組み合わせたハイブリッドフォトニック量子古典モデルのためのニューラルネットワーク探索フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-21T07:35:59Z) - 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) - Quantum Design Automation: Foundations, Challenges, and the Road Ahead [39.223805375181776]
量子コンピューティングにおける全体論的設計の観点を提唱する。
本稿では,相互接続型計算手法とツールが協調して,エンドツーエンドの量子コンピュータ設計を実現する方法について述べる。
論文 参考訳（メタデータ） (2025-11-13T16:44:36Z) - A Survey of Quantum Generative Adversarial Networks: Architectures, Use Cases, and Real-World Implementations [0.0]
QGAN(Quantum Generative Adversarial Networks)は、量子機械学習において有望な方向として登場した。
本調査では,QGANモデルの概要を概説し,理論的提案から実験的実現への重要な進展を概説する。
論文 参考訳（メタデータ） (2025-06-22T11:45:27Z) - 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) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Photonic Quantum Convolutional Neural Networks with Adaptive State Injection [0.39928148142956393]
我々は、状態注入を備えた粒子数保存回路に基づいて、最初のフォトニック量子畳み込みニューラルネットワーク(PQCNN)を設計、実験的に実装した。
半導体量子ドットを用いた単一光子源を用いたフォトニックプラットフォーム上でのバイナリ画像分類のためのPQCNNを実験的に検証した。
短期量子デバイスと互換性のある非線形ボソンサンプリングタスクに対する単純な適応手法の可能性を強調した。
論文 参考訳（メタデータ） (2025-04-29T17:57:01Z) - Quantum Attention for Vision Transformers in High Energy Physics [39.38389619339798]
量子直交ニューラルネットワーク(QONN)を取り入れた新しいハイブリッド量子古典型視覚変換器アーキテクチャを提案する。
この研究は、次世代粒子物理学実験の計算要求に対処する量子強化モデルの可能性を強調している。
論文 参考訳（メタデータ） (2024-11-20T18:11:17Z) - Satellite image classification with neural quantum kernels [0.0699049312989311]
本稿では,量子機械学習技術を用いた衛星画像の分類手法を提案する。
我々は、ソーラーパネルを含む画像の分類に焦点をあて、複雑な現実世界の分類問題に対処する。
論文 参考訳（メタデータ） (2024-09-30T14:52:00Z) - Quantum machine learning for image classification [39.58317527488534]
本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。
我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。
第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
論文 参考訳（メタデータ） (2023-04-18T18:23:20Z) - Roadmap on Integrated Quantum Photonics [0.9353686719467478]
今後10年間で、量子フォトニックエコシステムへの継続的な研究、開発、投資により、単一機能および少数機能プロトタイプから、多機能および再構成可能なQPICの大規模統合への移行を目撃する。
このロードマップは、統合量子フォトニクスの分野における現在の進歩、将来の課題、これらの課題を満たすために必要な科学と技術の進歩を強調している。
論文 参考訳（メタデータ） (2021-02-05T18:03:00Z)
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。