論文の概要: Wave Is All You Need: A Quantum Language Model Based on Fully Connected Quantum Boltzmann Machine
- arxiv url: http://arxiv.org/abs/2610.34492v1
- Date: Sun, 25 Oct 2026 18:35:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.624201
- Title: Wave Is All You Need: A Quantum Language Model Based on Fully Connected Quantum Boltzmann Machine
- Title（参考訳）: Wave:完全連結量子ボルツマンマシンに基づく量子言語モデル
- Abstract要約: 本研究は,完全連結量子ボルツマンマシン(FC-QBM)に基づく自己保持機構を提案する。
さらに、その機構をコアエンジンとして、完全に接続された量子ボルツマン機械言語モデル(FC-QBM-LM)を構築する。
- 参考スコア（独自算出の注目度）: 7.496694070699515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work proposes a self-attention mechanism based on the fully connected quantum Boltzmann machine (FC-QBM), and further constructs a fully connected quantum Boltzmann machine language model (FC-QBM-LM) using the mechanism as the core engine. By performing unitary evolution on semantic quantum states, the mechanism implicitly implements positional encoding and self-attention computation, eliminating the need to decompose continuous semantic streams into discrete matrices for explicit matrix multiplication, with the measurement results naturally satisfying the normalization condition. Specifically, this work rigorously derives the computational principle of the self-attention mechanism based on FC-QBM, and demonstrates that this mechanism is mathematically equivalent to the classical self-attention mechanism. The mathematical principles governing the training and generation of FC-QBM-LM are thoroughly derived, and the two corresponding algorithms are subsequently developed. An 8-qubit FC-QBM-LM is finally constructed and trained on the corpus of Tang poetry. Under the 8-qubit setting, the quantum layer implements the entire positional encoding and self-attention computation pipeline with only 44 parameters. In the noiseless scenario, the model exhibits favorable convergence. Furthermore, the quantum circuit proposed in this work, which terminates with Y-axis rotation gates, achieves better convergence than the counterpart terminating with X-axis rotation gates. Under the small-sample regime and across eight distinct noise intensity levels, the model demonstrates strong noise robustness, retaining over 99% of its noiseless convergence performance. Experiments on five-character quatrain generation reveal that the model preliminarily exhibits three core capabilities: associative and divergent thinking, content generation across imagery and human-aligned word ordering.
- Abstract（参考訳）: 本研究は,完全連結量子ボルツマンマシン(FC-QBM)に基づく自己認識機構を提案し,その機構をコアエンジンとする完全連結量子ボルツマンマシン言語モデル(FC-QBM-LM)を構築する。
セマンティック量子状態上で一元的進化を行うことにより、このメカニズムは位置符号化と自己注意計算を暗黙的に実装し、連続的なセマンティックストリームを明示的な行列乗算のために離散行列に分解する必要をなくし、測定結果が正規化条件を自然に満足する。
具体的には、FC-QBMに基づく自己保持機構の計算原理を厳格に導出し、この機構が古典的自己保持機構と数学的に等価であることを示す。
FC-QBM-LMの学習と生成を規定する数学的原理は徹底的に導出され、その後、対応する2つのアルゴリズムが開発された。
ついに8ビットのFC-QBM-LMが構築され、唐詩のコーパスで訓練された。
8量子ビット設定の下では、量子層は44のパラメータしか持たない位置符号化と自己アテンション計算パイプライン全体を実装している。
ノイズのないシナリオでは、モデルは好ましい収束を示す。
さらに,Y軸回転ゲートで終端する量子回路は,X軸回転ゲートで終端する量子回路よりも収束性が高い。
小型化と8つの異なるノイズ強度レベルにおいて、このモデルは強いノイズの頑健性を示し、ノイズのない収束性能の99%以上を維持している。
5文字のクォートレイン生成実験により、このモデルには、連想的思考と異種思考、画像間でのコンテンツ生成、人間の整列した単語順序付けの3つのコア能力が予め備わっていることが明らかとなった。
関連論文リスト
- Digital Quantum Simulation of Dynamics in Interacting Fields [1.5543511705784965]
この論文は、1+1次元のSU(2)格子ゲージ理論におけるエネルギー損失とハドロン化をシミュレートする枠組みを発展させている。
進化はIBMの量子プロセッサ ibm_pittsburgh 上で実行され、電荷分布とエネルギー損失が測定される。
連続ゲージ場を3キュービットのプラケットでジジタイズすると、低エネルギーの観測可能エネルギーを10〜3ドル精度で再現する。
論文 参考訳（メタデータ） (2026-10-20T23:47:40Z) - Joint GKP Encoding for GHZ States Transmission over Bosonic Quantum MIMO Channels [67.01829596856712]
我々は,グリーンベルガー・ホルン・ザイリンガー(GHZ)状態の非単位量子マルチインプット多重出力(QuMIMO)チャネル上での伝送について検討した。
トランシーバは、プログラム可能なパッシブメッシュ、量子制限されたMMSEゲイン、局所的なGKPリカバリ、およびジョイントクラシックシンドロームデコーディングを組み合わせる。
論文 参考訳（メタデータ） (2026-10-05T08:46:53Z) - Unitary discretization of the Koopman-von Neumann equation for quantum simulation of fluid and plasma dynamics [45.88028371034407]
KvNフレームワークは、リウヴィル方程式をノルム保存、ユニタリ発展を伴うヒルベルト空間に埋め込む。
ワイル順序付きKvN発生器は実速度場に対するユニークな反エルミート作用素対称性として導出される。
論文 参考訳（メタデータ） (2026-05-18T23:27:02Z) - SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
基底状態探索は量子コンピューティングの中心である。
我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。
我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
論文 参考訳（メタデータ） (2026-03-25T13:38:15Z) - 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) - QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning [48.12231190677108]
QAMA(Quantum Annealing Multi-Head Attention)は、エネルギーベースのハミルトン最適化問題として注目を集める新しいドロップイン演算子である。
この枠組みでは、トークン相互作用を二項二項項に符号化し、低エネルギー構成の探索に量子アニールを用いる。
経験的に、自然言語と視覚のベンチマークによる評価は、タスク全体にわたって、標準的なマルチヘッドの注意から少なくとも2.7ポイントの精度が低下していることを示している。
論文 参考訳（メタデータ） (2025-04-15T11:29:09Z) - A Hybrid Transformer Architecture with a Quantized Self-Attention Mechanism Applied to Molecular Generation [0.0]
本稿では,トランスデコーダの一部として,量子古典的自己アテンション機構を提案する。
クェリキードット積の時間的複雑さは古典的モデルでは$mathcalO(n2 d)$から量子モデルでは$mathcalO(n2 d)$に減少する。
この研究は、量子化自然言語処理(NLP)のための有望な道を提供する。
論文 参考訳（メタデータ） (2025-02-26T15:15:01Z) - Projective Quantum Eigensolver with Generalized Operators [0.0]
PQEフレームワークにおける閉形式残留方程式の観点から一般化作用素を決定する手法を開発する。
いくつかの分子系への応用により、アンザッツは単体、二重体、三重体を含む(異方性)UCCと同様の精度を達成できることを実証した。
論文 参考訳（メタデータ） (2024-10-21T15:40:22Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - Error mitigation and quantum-assisted simulation in the error corrected
regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。
量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文 参考訳（メタデータ） (2021-03-12T20:58:41Z)
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。