論文の概要: An Annealing-based Quantum Neural Network with Discrete Wavelet Transforms for Enhanced Air Pollution Nowcasting

• arxiv url: http://arxiv.org/abs/2610.13882v1
• Date: Fri, 09 Oct 2026 17:27:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.700635
• Title: An Annealing-based Quantum Neural Network with Discrete Wavelet Transforms for Enhanced Air Pollution Nowcasting
• Title（参考訳）: 離散ウェーブレット変換を用いたアニーリング型量子ニューラルネットワークによる大気汚染対策
• Abstract要約: 大気汚染は、近代社会の急速な工業化と都市化によって悪化する公衆衛生に重大な脅威をもたらす。 従来のディープラーニングは予測能力を提供するが、量子機械学習(QML)の最近の進歩は魅力的な代替手段である。
• 参考スコア（独自算出の注目度）: 5.925902899264439
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Air pollution poses a significant threat to public health, exacerbated by the rapid industrialization and urbanization of modern society. While traditional deep learning offers predictive capabilities, recent advancements in quantum machine learning (QML) present a compelling alternative. Here, we introduce a scalable hybrid framework that integrates variational quantum circuits with quantum annealing. Leveraging a neuromorphic quantum computing platform to transcend the qubit limitations of the NISQ era, we model particulate matter (PM$_{2.5}$) dynamics using high-density urban data from the UK. We demonstrate that our Quantum Neural Networks (QNNs) exhibit an intrinsic resilience to input volatility, significantly outperforming classical baselines (MLP and LSTM) on raw, high-entropy environmental data. Furthermore, we successfully scaled the model to 172 qubits, observing a synergistic enhancement when coupled with wavelet decomposition that achieves state-of-the-art predictive fidelity. These findings establish a critical benchmark for quantum utility, proving that scalable, neuromorphic quantum machine learning can now address complex, non-linear real-world problems.
• Abstract（参考訳）: 大気汚染は、近代社会の急速な工業化と都市化によって悪化する公衆衛生に重大な脅威をもたらす。 従来のディープラーニングは予測能力を提供するが、量子機械学習(QML)の最近の進歩は魅力的な代替手段である。 本稿では、変動量子回路と量子アニールを統合するスケーラブルなハイブリッドフレームワークを提案する。 NISQ時代の量子ビット制限を超越するために、ニューロモルフィックな量子コンピューティングプラットフォームを活用し、英国からの高密度都市データを用いて粒子状物質(PM$_{2.5}$)のダイナミクスをモデル化する。 我々は,我々の量子ニューラルネットワーク(QNN)がボラティリティの入力に固有のレジリエンスを示し,生の高エントロピー環境データに基づいて古典的ベースライン(MLP,LSTM)を著しく上回っていることを実証した。 さらに,このモデルを172量子ビットに拡張し,ウェーブレットの分解と相乗的拡張を組み合わせ,最先端の予測忠実度を実現した。 これらの発見は、スケーラブルでニューロモルフィックな量子機械学習が複雑で非線形な実世界の問題に対処できることを証明し、量子ユーティリティにとって重要なベンチマークを確立した。

関連論文リスト

• How Hard Is Quantum Advantage? A Cloud Microphysics Stress Test for Variational Quantum Models [0.041122099523495166]
  クラウドマイクロ物理のデータセットにハイブリッド量子ニューラルネットワーク(QNN)を用いる。 我々のQNNは、広範なハイパーパラメータ最適化の恩恵を強く受けています。 同時に、QNNは、単純な完全接続ニューラルネットワークという形で、古典的なベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-07-06T10:43:27Z)
• A Comprehensive Analysis of Accuracy and Robustness in Quantum Neural Networks [0.0]
  量子機械学習(QML)は、最近、非常に有望な研究フロンティアとして登場した。 本研究は、一般化、精度、堅牢性の臨界次元に焦点を当てる。
  論文  参考訳（メタデータ） (2026-04-28T20:53:23Z)
• 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)
• 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)
• Mutual information maximizing quantum generative adversarial networks [9.391818870557545]
  InfoQGANは、InfoGANの原理とQGANアーキテクチャを統合する量子古典的ハイブリッド生成対向ネットワークである。 InfoQGANは、量子発生器における頑健な特徴の絡み合いを達成しつつ、モード崩壊を効果的に軽減することを示す。 これらの結果は、NISQ時代の量子生成モデリングを進化させるアプローチとして、InfoQGANの可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-09-04T05:18:37Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。