量子機械学習活性化関数の効率的な量子回路実装、定数T深度ReLUを含む

本研究では、故障耐性のある量子コンピューティングアーキテクチャに統合するための活性化関数の量子回路の開発に焦点を当てており、特にT深度の最小化に重点を置いている。具体的には、定数T深度4のReLUと定数T深度8のLeaky ReLUの新しい実装を提示している。また、量子ルックアップテーブルを活用して、シグモイド関数などの他の活性化関数の探索も行っている。この手法により、精度とT深度のトレードオフを調整できるため、様々な応用シナリオに適応可能となる。