著者らは、時系列解析における時間再パラメータ化不変性に対処するために設計されたハイブリッド量子古典アーキテクチャを発表した。このシステムは、量子ニューラルネットワークとパス署名を統合し、入力パス間の署名カーネルを古典的または量子変分線形ソルバー（VQLS）を用いて計算する特徴層を使用している。

  • 特徴層は分類タスクのために署名カーネルを計算する。
  • 量子畳み込みニューラルネットワーク（QCNN）が下流の学習を実行する。
  • 実験では、手書き数字の二値分類においてアーキテクチャを評価した。
  • 本研究はVQLSコンポーネントに関連する計算上の制限を分析している。

この研究は、時系列データに対して量子回路内にパス署名カーネル層を実装することの潜在的な利点を示している。