量子研究ナレッジベース

論文の再現と企業ユースケースを、出典まで辿れる形で。

量子コンピュータの論文と企業の取り組み事例を集め、日本語で探せるようにしたデータベースです。新しい論文は毎日追加しています。主要な論文は blueqat が実際に計算して再現し、論文の主張と数値が合うかどうかまで確かめています。

ナレッジベースでできること

無料

論文を日本語で探す

量子計算に関わる arXiv の論文 6,206本を、題名を日本語にして収録しています。題名（日本語・英語）や著者で検索でき、分野で絞り込めます。直近7日に出た論文も 87本 入っています。

無料

分野ごと・年ごとのまとめ

誤り訂正・量子機械学習・変分アルゴリズムなど 13分野について、年ごとの論文数の推移、読んでおくべき論文、近い分野をまとめたページがあります。

プラン

主要論文の再現検証

重要な論文 68本を精読し、うち 61本は blueqat で実際に計算して再現しました。どの主張を確かめ、結果が合ったか、どれだけの計算資源を使ったかを1本ずつ載せています。

プラン

企業ユースケース

企業や研究機関の量子計算の取り組み 1,532件。出典つきの公開された事実と、使われていそうなアルゴリズムの推定（確度つき）を、混ぜずに分けて載せています。

こんな使い方ができます

研究者・学生 … 先行研究を日本語の題名でざっと見渡す。分野ページで、その分野の流れと押さえるべき論文を掴む
エンジニア … 論文の手法が手元で再現できるのか、どれだけの計算が要るのかを、再現結果で確かめてから手を付ける
事業企画・調査 … 同業他社がどんな問題に量子計算を当てているか、どの程度まで進んでいるかを事例で比べる

たとえば: 誤り訂正の論文／「QAOA」で検索／再現した論文の一覧／企業ユースケース

	無料	スタンダード	エンタープライズ
論文・事例の検索と一覧（日本語の題名）	○	○	○
分野・年のまとめページ、新着論文	○	○	○
論文の再現結果（主張・判定・計算資源）	—	○	○
企業ユースケースの公開事実とアルゴリズムの推定	—	○	○
読解ノートと再現の生成物（回路・数式・計算時間）	—	—	○

プランと料金を見るログイン

7,738 総エントリ 論文6,206＋事例1,532

6,206 論文 精読68・うち再現61

1,532 企業ユースケース 掘り下げ17・推定つき597

6,169 日本語化済み 収集6,169本のうち

論文の分野

誤り訂正 788

量子機械学習 769

性能の測定 498

実機実証 442

誤り抑制 438

応用 434

誤り訂正前提のアルゴリズム 418

変分アルゴリズム 369

コンパイル 332

ソフトウェア 325

学習のしやすさ 314

古典シミュレーション 226

アルゴリズム 9

ハミルトニアンシミュレーション 5

基礎理論 3

暗号解読 1

ユースケースの種別

応用事例 78451.5%
耐量子暗号 24616.2%
ハードウェア 16610.9%
センシング 825.4%
研究の成果発表 664.3%
企業の動き 603.9%
企業間の提携 593.9%
その他 442.9%
ソフトウェア 151.0%

検索はどなたでもご利用いただけます。 論文1本ごとの再現結果（検証した主張・判定・使った計算資源）、企業ユースケースの出典つき公開事実とアルゴリズムの推定は、プラン加入者向けです。

プランを見る

論文 6,206 企業ユースケース 1,532

すべて精読済み 68 誤り訂正 968 量子機械学習 845 実機実証 633 誤り訂正前提のアルゴリズム 534 性能の測定 528 応用 490 誤り抑制 477 変分アルゴリズム 440 ソフトウェア 363 コンパイル 350 学習のしやすさ 333 古典シミュレーション 326

848件／401〜450件目を表示

状態	題名	著者	分野	年	arXiv
収集	ReCon: アナログ・ライダーベル原子量子コンピュータを量子生成敵対ネットワーク用に再構成する ReCon: Reconfiguring Analog Rydberg Atom Quantum Computers for Quantum Generative Adversarial Networks 本論文は、アナログ・ライダーベル原子量子コンピュータを量子GANに適応させるReCon手法を提案する。	Nicholas S. DiBrita, Daniel Leeds,	qml	2024	2408.13389
収集	量子畳み込みニューラルネットワークは実効的に古典シミュレーション可能 Quantum Convolutional Neural Networks are Effectively Classically Simulable ランダム初期化されたQCNNは低体数の測定情報しか処理できず、古典シミュレーションが可能であることを示す。	Pablo Bermejo, Paolo Braccia, Manu	qml	2024	2408.12739
収集	測定クラスの量子サンプル複雑性に関する新たな下限 New Bounds on Quantum Sample Complexity of Measurement Classes 古典推論のための量子教師あり学習を研究し、ラベル付き量子サンプルから予測測定を学習する問題を検討。	Mohsen Heidari, Wojciech Szpankows	qml	2024	2408.12683
収集	制限付きゲート量子回路の線形性質に対する効率的な学習 Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits 古典シミュレーションやトモグラフィーでは大規模量子系の動力学を捉えられない。量子学習理論に基づき、d個のRZゲートとG個のCliffordゲートを持つ回路の線形性質を効率的に学習可能か考察する。	Yuxuan Du, Min-Hsiu Hsieh, Dacheng	qml	2024	2408.12199
収集	量子ニューラルネットワークの損失地形の統一理論 A Unified Theory of Quantum Neural Network Loss Landscapes 古典NNは多数のニューロンでガウス過程となるが、QNNには一般的な理解がない。本稿はQNNの損失地形を記述する統一理論を提案する。	Eric R. Anschuetz	qml	2024	2408.11901
収集	異常検出のための量子機械学習アルゴリズム：レビュー Quantum machine learning algorithms for anomaly detection: A review 量子コンピュータの登場により、量子ビット形式主義への機械学習原理の適応に基づく量子機械学習アルゴリズムの開発が正当化された。特に異常検出は、サイバーセキュリティから不正検出まで多くの分野を横断する重要な問題である。	Sebastiano Corli, Lorenzo Moro, Da	qml	2024	2408.11047
収集	創発する量子メタ安定性による量子ニューラルネットワークの非線形分類能力 Non-linear classification capability of quantum neural networks due to emergent quantum metastability 量子ニューラルネットワークはユニタリ演算により情報を処理するため線形性を持つが、創発する量子メタ安定性により非線形分類能力を発現する。	Mario Boneberg, Federico Carollo,	qml	2024	2408.10765
収集	分類タスクにおける量子機械学習カーネル学習のベンチマーク Benchmarking quantum machine learning kernel training for classification tasks 量子機械学習の現実的有用性は未確立である。本研究は、実用的な文脈における分類タスクのカーネル学習をベンチマーク評価する。	Diego Alvarez-Estevez	qml	2024	2408.10274
収集	分散かつ安全なカーネル基底量子機械学習 Distributed and Secure Kernel-Based Quantum Machine Learning 量子計算はクラスタリングや距離推定で効率向上と、量子テレポーテーションなどによる強固なセキュリティを提供する。	Arjhun Swaminathan, Mete Akgün	qml	2024	2408.10265
収集	ランダム量子データの呪い The curse of random quantum data 量子機械学習におけるデータ役割を解明し、その性能を定量的に評価する研究。	Kaining Zhang, Junyu Liu, Liu Liu	qml	2024	2408.09937
収集	量子機械学習サービスにおけるセキュリティ懸念 Security Concerns in Quantum Machine Learning as a Service 変分量子回路を用いる量子機械学習(QML)モデルは少量のデータから汎化可能であり、実用的な適用への関心が高まっている。	Satwik Kundu, Swaroop Ghosh	qml	2024	2408.09562
収集	リピーターノードにおける量子ニューラルネットワークの訓練 Quantum Neural Network Training of a Repeater Node デコヒーレンスや緩和時間といったノイズが量子アルゴリズム構築を困難にする中で、堅牢でスケーラブルな量子ゲートの構築手法を検討する。	Diego Fuentealba, Jack Dahn, James	qml	2024	2408.04709
収集	証明可能な頑健な符号化スキーム Certifiably Robust Encoding Schemes 量子機械学習は脆弱性がある。本研究は、入力操作やノイズに対する頑健性を保証する符号化スキームを提示する。	Aman Saxena, Tom Wollschläger, Nic	qml	2024	2408.01200
収集	強化学習におけるメタヒューリスティック戦略を用いた変分量子回路の最適化 Optimizing Variational Quantum Circuits Using Metaheuristic Strategies in Reinforcement Learning 強化学習による変分量子回路最適化手法を提案。勾配法が苦手とする平坦な解空間に対しメタヒューリスティクスを適用する。	Michael Kölle, Daniel Seidl, Maxim	qml	2024	2408.01187
収集	確率的眼球追跡データのモデル化：量子生成敵対ネットワークとマルコフモデルの比較 Modeling stochastic eye tracking data: A comparison of quantum generative adversarial networks and Markov models 量子生成敵対ネットワーク（QGAN）を用いて眼球運動の速度データをモデル化する。その性能をマルコフモデルと比較し、確率分布の複雑なモデリングにおける改良効果を評価する。	Shailendra Bhandari, Pedro Lincast	qml	2024	2408.00673
収集	ランダム化測定と可変サンプリングを用いた異常検出のための効率的な量子ワンクラスサポートベクターマシン Efficient Quantum One-Class Support Vector Machines for Anomaly Detection Using Randomized Measurements and Variable Subsampling 量子カーネル法の利点を活かす量子ワンクラスSVMは、データサイズに対する2次時間計算量が課題となる。本研究では、量子ランダム化測定カーネルと可変サンプリングを提案し、大規模データへの対応を目指す。	Michael Kölle, Afrae Ahouzi, Pasca	qml	2024	2407.20753
収集	マルチエージェント強化学習における変分量子回路へのアーキテクチャの影響：最適化のための進化的戦略 Architectural Influence on Variational Quantum Circuits in Multi-Agent Reinforcement Learning: Evolutionary Strategies for Optimization マルチエージェント強化学習(MARL)は次元の指数関数的増加に直面するが、量子力学の特性がこれを克服しうる。	Michael Kölle, Karola Schneider, S	qml	2024	2407.20739
収集	非同期的量子強化学習における微分可能量子アーキテクチャ探索 Differentiable Quantum Architecture Search in Asynchronous Quantum Reinforcement Learning 量子強化学習の進展に伴い、量子ニューラルネットワークが成功している。しかし、効果的な構築方法は依然として課題である。	Samuel Yen-Chi Chen	qml	2024	2407.18202
収集	量子優位性の探求：量子カーネル法におけるショット数の推定 In Search of Quantum Advantage: Estimating the Number of Shots in Quantum Kernel Methods 量子カーネル法は有限の回路実行数により推定値の解像度が制限される課題がある。本研究は、このショット数を推定する手法を提案する。	Artur Miroszewski, Marco Fellous A	qml	2024	2407.15776
収集	敵対的オートエンコーダを用いた非ネイティブ量子生成最適化 Non-native Quantum Generative Optimization with Adversarial Autoencoders 既存の量子サンプリは量子ビット数が不足し、大規模最適化問題の効率的な符号化が困難である。本研究は制約との互換性を課題とし、敵対的オートエンコーダを用いた新しい手法を提案する。	Blake A. Wilson, Jonathan Wurtz, V	qml	2024	2407.13830
収集	量子機械学習の強化：非線形光学的再生カーネルの力 Enhancing Quantum Machine Learning: The Power of Non-Linear Optical Reproducing Kernels 量子カーネル法はノイズ耐性があり量子優位性を約束する。本稿は非線形光学的再生カーネルを用いた手法の強みを示す。	Shahram Dehdashti, Prayag Tiwari,	qml	2024	2407.13809
収集	金融サービス向けの量子機械学習に関する簡易レビュー A Brief Review of Quantum Machine Learning for Financial Services 金融応用の可能性がある量子機械学習の最新アルゴリズムと手法をレビューし、教師あり学習や量子生成AIについて議論する。	Mina Doosti, Petros Wallden, Conor	qml	2024	2407.12618
収集	量子オートエンコーダを用いたLHCでの標準模型超事象の教師なし探索 Unsupervised Beyond-Standard-Model Event Discovery at the LHC with a Novel Quantum Autoencoder LHCの陽子衝突で標準模型超の異常事象を検出する教師なし手法を提案。新規量子オートエンコーダが従来手法より優れた性能を示す。	Callum Duffy, Mohammad Hassanshah,	qml	2024	2407.07961
収集	QTRL: Quantum-Trainによる実践的量子強化学習へのアプローチ QTRL: Toward Practical Quantum Reinforcement Learning via Quantum-Train 量子強化学習の課題に対し、量子トラン手法を適用したQTRLを提案する。推論段階での量子コンピュータ使用を回避し、実用性を向上させる。	Chen-Yu Liu, Chu-Hsuan Abraham Lin	qml	2024	2407.06103
収集	古典および量子機械学習モデルを用いた洪水予測 Flood Prediction Using Classical and Quantum Machine Learning Models 2023年のウッパー川における洪水事象を対象に、古典MLと量子MLを結合したハイブリッドモデルにより、洪水予報の精度向上を検証した。	Marek Grzesiak, Param Thakkar	qml	2024	2407.01001
収集	NAC-QFL: ノイズ対応クラスタ化量子フェデレーテッドラーニング NAC-QFL: Noise Aware Clustered Quantum Federated Learning 量子計算の進展はモバイルネットワーク革新をもたらす。本手法はデバイスのノイズや量子通信の高コストといった課題に対応する。	Himanshu Sahu, Hari Prabhat Gupta	qml	2024	2406.14236
収集	シングルショット量子機械学習 Single-shot quantum machine learning 量子機械学習モデルの出力は本質的に確率的であり、予測段階で大幅なオーバーヘッドが生じる。本研究はこの課題に対応する手法を提案する。	Erik Recio-Armengol, Jens Eisert,	qml	2024	2406.13812
収集	高解像度医療画像生成のための量子生成学習 Quantum Generative Learning for High-Resolution Medical Image Generation 既存のQGANはパッチベース学習で高品質画像生成に失敗する。本研究は量子生成学習を提案し、訓練速度向上と特徴抽出の改善を目指す。	Amena Khatun, Kübra Yeter Aydeniz,	qml	2024	2406.13196
収集	エラー抑制付き量子ハードウェアにおける条件付き量子生成敵対ネットワークアルゴリズムによる分布読み込みのパフォーマンス調査 Investigate the Performance of Distribution Loading with Conditional Quantum Generative Adversarial Network Algorithm on Quantum Hardware with Error Suppression IBM量子プラットフォーム統合のFire Opalエラー抑制とAI最適化を用い、多モード分布読み込みアルゴリズムの有効性をKL発散で評価した。	Anh Pham, Andrew Vlasic	error-mitigationqml	2024	2406.09341
収集	変分量子学習モデルの訓練可能性とデ量子化の関係について On the relation between trainability and dequantization of variational quantum learning models 変分量子機械学習の成功は、訓練可能性と非デ量子化の両立に依存する。本研究は両者の関連性を明らかにする。	Elies Gil-Fuster, Casper Gyurik, A	qml	2024	2406.07072
収集	最小損失で古典データを行列積状態表現にエンコーディングするための最適量子ビットマッピング探索 Optimal Qubit Mapping Search for Encoding Classical Data into Matrix Product State Representation with Minimal Loss 古典データを量子状態にエンコードする行列積状態（MPS）の表現効率と精度を向上させる手法を研究した。	Hyeongjun Jeon, Kyungmin Lee, Dong	qml	2024	2406.06935
収集	非可換環境における量子強化学習：新しい定式化と量子優位性の探求 Quantum Reinforcement Learning in Non-Abelian Environments: Unveiling Novel Formulations and Quantum Advantage Exploration 非可換環境という未開拓の領域において、量子の性質を活用した意思決定の新たな定式化と戦略を提案し、量子優位性を探求する。	Shubhayan Ghosal	qml	2024	2406.06531
収集	水平量子ゲートを用いた幾何学的量子機械学習 Geometric Quantum Machine Learning with Horizontal Quantum Gates 既存の幾何学的量子機械学習は等変性制約により表現力が制限される。本論文は水平量子ゲートを用いて制約を緩和し、表現力を向上させる。	Roeland Wiersema, Alexander F. Kem	qml	2024	2406.04418
収集	Quixer: 量子トランスフォーマーモデル Quixer: A Quantum Transformer Model 信頼性のある大規模量子コンピュータの実現に向けた研究を背景とし、ユニタリ線形結合と量子特異値変換を用いた量子トランスフォーマーモデルQuixerを提案する。	Nikhil Khatri, Gabriel Matos, Luuk	qmlhamiltonian-simulation	2024	2406.04305
収集	強化学習を用いた量子機械学習のためのアーキテクチャ探索 Reinforcement learning-based architecture search for quantum machine learning データ量子ヒルベルト空間へマッピングする符号化回路のアーキテクチャをヒューリスティクスに頼らず、強化学習により自動設計する手法を提示。	Frederic Rapp, David A. Kreplin, M	qml	2024	2406.02717
収集	変分テンソルネットワークトモグラフィーを用いたランダム測定からのトポロジカル状態の学習 Learning topological states from randomized measurements using variational tensor network tomography 古典シャドウやMPSトモグラフィーはトポロジカル検出に制限がある。変分テンソルネットワークトモグラフィーにより、量子プロセッサ上の多体状態の忠実な表現を学習する手法を提案する。	Yanting Teng, Rhine Samajdar, Kath	qml	2024	2406.00193
収集	訓練効率的な密度量子機械学習 Training-efficient density quantum machine learning 訓練可能なユニタリの混合を準備する密度量子ニューラルネットワークを提案。表現力と効率性のバランスを取る。	Brian Coyle, Snehal Raj, Natansh M	qml	2024	2405.20237
収集	低サブノルマライゼーションと回路深さを持つ疎行列の辞書ベースブロックエンコーディング Dictionary-based Block Encoding of Sparse Matrices with Low Subnormalization and Circuit Depth 辞書構造を用いた新たなブロックエンコーディングプロトコルを提案する。これにより、非ゼロ要素を分類し、低サブノルマライゼーションと浅い回路深さを実現する。	Chunlin Yang, Zexian Li, Hongmei Y	qml	2024	2405.18007
収集	ハイブリッド量子・古典正規化フロー Hybrid Quantum-Classical Normalizing Flow NISQ時代のノイズ耐性を備えたハイブリッド量子古典アルゴリズム「正規化フロー」を提案し、実用的問題の解決に寄与する。	Anlei Zhang, Wei Cui	qml	2024	2405.13808
収集	量子カーネル手法における位相空間の負性：計算資源として Phase-space negativity as a computational resource for quantum kernel methods 量子カーネル手法は機械学習における量子優位性の実現策であり、量子装置でカーネルを評価するハイブリッド計算に基づく。この手法により量子優位性が達成され得る。	Ulysse Chabaud, Roohollah Ghobadi,	qml	2024	2405.12378
収集	量子機械学習におけるプライバシー優位性の見通し Prospects of Privacy Advantage in Quantum Machine Learning 勾配からのデータ復元リスクを考慮し、分散環境における量子機械学習のプライバシー保護の可能性を調査した。	Jamie Heredge, Niraj Kumar, Dylan	qml	2024	2405.08801
収集	ニューラル組合せ最適化のためのハミルトニアンベース量子強化学習 Hamiltonian-based Quantum Reinforcement Learning for Neural Combinatorial Optimization 量子計算とニューラル組合せ最適化の進展により、QAOAを用いた組合せ最適化問題の解決法が提案される。	Georg Kruse, Rodrigo Coehlo, Andre	qml	2024	2405.07790
収集	hypeかヒューリスティックか？結合順序最適化における量子強化学習 Hype or Heuristic? Quantum Reinforcement Learning for Join Order Optimisation 巨大な探索空間のため古典的手法は近似に依存する。本研究は、結合順序最適化への量子強化学習の適用を検証し、その実効性を評価する。	Maja Franz, Tobias Winker, Sven Gr	qml	2024	2405.07770
収集	古典データのための光量子生成敵対ネットワーク Photonic quantum generative adversarial networks for classical data 古典データの分布に従う新規サンプルを生成する光量子生成敵対ネットワーク（GAN）を提案する。	Tigran Sedrakyan, Alexia Salavrako	qml	2024	2405.06023
収集	超伝導およびイオントラッププロセッサにおけるデータ拡張用のスタイルベース量子GANのプラットフォーム間ハードウェアベンチマーク Cross-platform hardware benchmark of style-based quantum GANs for data augmentation on superconducting and trapped-ion processors NISQ時代において、異なる量子ハードウェアでのQMLワークロードのベンチマークが必要である。本稿は、高エネルギー物理学データの拡張用スタイルベース量子GANのベンチマークを示す。	Julien Baglio	qml	2024	2405.04401
収集	量子機械学習：量子カーネル法 Quantum Machine Learning: Quantum Kernel Methods 量子カーネル法に基づくアルゴリズムは、古典コンピュータにはノイズとしか見えないデータセットの内在パターンを量子処理のみが認識可能であることを特徴とする。	Sanjeev Naguleswaran	qml	2024	2405.01780
収集	プログラム可能な光量子プロセッサ上の連続変数量子カーネル法 Continuous-variable quantum kernel method on a programmable photonic quantum processor ノイズ耐性が高く量子優位性を期待できる量子カーネル法を、プログラム可能な光量子プロセッサ上で実現した。	Keitaro Anai, Shion Ikehara, Yoshi	qml	2024	2405.01086
収集	コンパクトな周波数支持を持つ量子波束変換 Quantum wave packet transforms with compact frequency support 信号処理で多用される波束変換の量子回路実装を提案。周波数空間で動作する広範なクラスの波束を実装する。	Hongkang Ni, Lexing Ying	qml	2024	2405.00929
収集	データ符号化を用いたクラウドでの量子連合学習実験 Quantum Federated Learning Experiments in the Cloud with Data Encoding 量子ネットワーク上で連合学習を展開する量子連合学習(QFL)のクラウド展開における課題とデータ符号化手法を考察する。	Shiva Raj Pokhrel, Naman Yash, Jon	qml	2024	2405.00909
収集	QUACK: 量子アラインドセントロイドカーネル QUACK: Quantum Aligned Centroid Kernel 量子カーネル手法は教師あり機械学習で有望だが、訓練データ数に対して二次関数のスケーリングという欠点がある。本研究はこれを解決する新しい手法を提案する。	Kilian Tscharke, Sebastian Issel,	qml	2024	2405.00304

このデータは blueqat の量子ソフトウェア研究から作られています。最終取り込み 2026-10-12 05:20:01