時系列予測における量子シーケンスモデルのバッチトレーニング比較

本論文は、時系列予測における2つの量子シーケンスモデル、QLSTMとQFWPを、バッチサイズがパフォーマンスと実行時間に与える影響に焦点を当てて、システム指向で比較しています。この研究の価値は、その実践的なベンチマークパイプラインと、これらのモデルの速度と精度のトレードオフとスケーラビリティに関する洞察を提供することにあります。EPC（Equal Parameter Count）と随伴微分設定は、公平な比較を提供します。コンポーネントごとの実行時間に焦点を当てることは、パフォーマンスのボトルネックを理解するために重要です。本論文の貢献は、バッチサイズの選択に関する実践的なガイダンスを提供し、速度と精度の間のパレートフロンティアを強調することにあります。

• •バッチフォワードパスはよくスケーリングしますが、バックワードパスのスケーリングは控えめで、全体的なトレーニングの高速化を制限します。
• •QFWPは一般的に、精度（RMSEと方向精度）においてQLSTMよりも優れています。
• •QLSTMは、より大きなバッチサイズで最高のスループットを達成し、速度と精度のトレードオフを示しています。
• •本論文は、これらの量子モデルのバッチサイズ選択に関する実践的なベンチマークパイプラインとガイダンスを提供します。