Q-RUN: 量子インスパイアされたデータ再アップロードネットワーク

本論文では、データ再アップロード量子回路（DRQC）に触発された新しい古典的なニューラルネットワークアーキテクチャであるQ-RUNを紹介します。DRQCの数学的原理を古典的なモデルに変換することにより、量子ハードウェアのスケーラビリティの制限に対処します。Q-RUNの主な利点は、量子ハードウェアを必要とせずに、量子モデルのフーリエ表現力を保持できることです。実験結果は、データモデリングおよび予測モデリングタスクにおいて、従来のニューラルネットワーク層と比較して、モデルパラメータの削減とエラーの減少により、大幅なパフォーマンスの向上を示しています。Q-RUNは、完全に接続された層のドロップイン代替機能により、さまざまなニューラルアーキテクチャを強化するための用途の広いツールとなり、より表現力豊かなAIの設計を導く量子機械学習の原則の可能性を示しています。

• •Q-RUNは、量子データ再アップロード回路に触発された古典的なニューラルネットワークです。
• •フーリエ表現力を保持しながら、量子ハードウェアのスケーラビリティの制限を克服します。
• •Q-RUNは、従来の方法と比較して、データおよび予測モデリングタスクにおいて優れたパフォーマンスを発揮します。