Fugu-MT 論文翻訳(概要): Photon Number-Resolving Quantum Reservoir Computing

論文の概要: Photon Number-Resolving Quantum Reservoir Computing

arxiv url: http://arxiv.org/abs/2402.06339v3
Date: Thu, 13 Jun 2024 17:21:33 GMT
ステータス: 処理完了
システム内更新日: 2024-06-14 13:51:19.000138
Title: Photon Number-Resolving Quantum Reservoir Computing
Title（参考訳）: 光子数分解量子貯留層計算
Authors: Sam Nerenberg, Oliver D. Neill, Giulia Marcucci, Daniele Faccio,
Abstract要約: 本稿では,光子数分解による出力状態の検出で実現可能な光量子貯水池計算のための固定光ネットワークを提案する。これは、高次元ヒルベルト空間にアクセスしながら入力量子状態に必要な複雑さを著しく減少させる。
参考スコア（独自算出の注目度）: 1.1274582481735098
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neuromorphic processors improve the efficiency of machine learning algorithms through the implementation of physical artificial neurons to perform computations. However, whilst efficient classical neuromorphic processors have been demonstrated in various forms, practical quantum neuromorphic platforms are still in the early stages of development. Here we propose a fixed optical network for photonic quantum reservoir computing that is enabled by photon number-resolved detection of the output states. This significantly reduces the required complexity of the input quantum states while still accessing a high-dimensional Hilbert space. The approach is implementable with currently available technology and lowers the barrier to entry to quantum machine learning.
Abstract（参考訳）: ニューロモルフィックプロセッサは、物理人工ニューロンの実装を通じて機械学習アルゴリズムの効率を改善し、計算を行う。しかし、効率的な古典的ニューロモルフィックプロセッサが様々な形で実証されている一方で、実用的な量子ニューロモルフィックプラットフォームはまだ開発の初期段階にある。本稿では、光子数分解された出力状態の検出によって可能となるフォトニック量子貯水池計算のための固定光ネットワークを提案する。これは、高次元ヒルベルト空間にアクセスしながら入力量子状態に必要な複雑さを著しく減少させる。このアプローチは、現在利用可能なテクノロジで実装可能であり、量子機械学習への参入障壁を低くする。

関連論文リスト

Demonstration of Hardware Efficient Photonic Variational Quantum Algorithm [2.4630731476141365]
本稿では,1光子と線形光ネットワークが変分量子アルゴリズムの実装に十分であることを示す。因子化タスクのインスタンスに取り組むための変分的アプローチの実証実験によってこれを実証する。
論文参考訳（メタデータ） (2024-08-19T18:26:57Z)
Resource-efficient photonic quantum computation with high-dimensional cluster states [0.0]
スケーラビリティへの有望な経路は、フォトニック測定に基づく量子計算であり、大規模なクラスタ状態における単一量子ビットの測定は、フォールトトレラントな量子計算を可能にする。我々は、高次元空間符号化により各光子上の複数の量子ビットを符号化し、100Hzの速度で9量子ビットを超えるクラスター状態を生成することで、この問題に対処する。本研究は,高次元エンタングルメントを用いた資源効率測定に基づく量子計算の道を開くものである。
論文参考訳（メタデータ） (2023-09-19T09:32:43Z)
Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文参考訳（メタデータ） (2023-07-31T14:45:29Z)
Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文参考訳（メタデータ） (2023-01-04T23:37:45Z)
Quantum Reservoir Computing Implementations for Classical and Quantum Problems [0.0]
ローレンツフォトニックキャビティに結合した2レベル原子系からなるモデル開放量子系を用いる。次に、画像認識の古き良き機械学習問題に量子貯水池コンピューティングアプローチを展開させる。
論文参考訳（メタデータ） (2022-11-15T23:19:26Z)
Parametrized constant-depth quantum neuron [56.51261027148046]
本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
論文参考訳（メタデータ） (2022-02-25T04:57:41Z)
Hardware-Efficient, Fault-Tolerant Quantum Computation with Rydberg Atoms [55.41644538483948]
我々は中性原子量子コンピュータにおいてエラー源の完全な特徴付けを行う。計算部分空間外の状態への原子量子ビットの崩壊に伴う最も重要なエラーに対処する,新しい,明らかに効率的な手法を開発した。我々のプロトコルは、アルカリ原子とアルカリ原子の両方にエンコードされた量子ビットを持つ最先端の中性原子プラットフォームを用いて、近い将来に実装できる。
論文参考訳（メタデータ） (2021-05-27T23:29:53Z)
Experimental quantum memristor [0.5396401833457565]
我々は、集積フォトニクスと単一光子に作用する新しい量子光学メムリスタを、実験的に導入し、実証する。私たちのデバイスは、即時および短期的な量子ニューロモルフィックアーキテクチャの構築ブロックになる可能性がある。
論文参考訳（メタデータ） (2021-05-11T08:42:14Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-24T12:48:00Z)
Quantum neuromorphic computing [2.817412580574242]
量子ニューロモルフィックコンピューティングは、脳にインスパイアされた量子ハードウェアにニューラルネットワークを物理的に実装し、計算を高速化する。いくつかのアプローチはパラメタライズド量子回路に基づいており、ニューラルネットワークにインスパイアされたアルゴリズムを使ってトレーニングしている。
論文参考訳（メタデータ） (2020-06-26T17:18:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。