論文の概要: Quantum-activated neural reservoirs on-chip open up large hardware security models for resilient authentication
- arxiv url: http://arxiv.org/abs/2403.14188v1
- Date: Thu, 21 Mar 2024 07:25:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 15:07:37.472936
- Title: Quantum-activated neural reservoirs on-chip open up large hardware security models for resilient authentication
- Title（参考訳）: チップ上の量子活性化型ニューラル貯水池は、レジリエンス認証のための大規模なハードウェアセキュリティモデルを開く
- Authors: Zhao He, Maxim S. Elizarov, Ning Li, Fei Xiang, Andrea Fratalocchi,
- Abstract要約: この研究は、3兆以上のハードウェアノード/cm$2$を持つ大規模量子活性化リカレントニューラルネットワークを実装している。
このチップは、最高のテクノロジーの3倍のビット密度をサポートし、1cm$2$のフットプリントで21104$以上のキーを保存できる。
- 参考スコア（独自算出の注目度）: 5.60384815385868
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum artificial intelligence is a frontier of artificial intelligence research, pioneering quantum AI-powered circuits to address problems beyond the reach of deep learning with classical architectures. This work implements a large-scale quantum-activated recurrent neural network possessing more than 3 trillion hardware nodes/cm$^2$, originating from repeatable atomic-scale nucleation dynamics in an amorphous material integrated on-chip, controlled with 0.07 nW electric power per readout channel. Compared to the best-performing reservoirs currently reported, this implementation increases the scale of the network by two orders of magnitude and reduces the power consumption by six, reaching power efficiencies in the range of the human brain, dissipating 0.2 nW/neuron. When interrogated by a classical input, the chip implements a large-scale hardware security model, enabling dictionary-free authentication secure against statistical inference attacks, including AI's present and future development, even for an adversary with a copy of all the classical components available. Experimental tests report 99.6% reliability, 100% user authentication accuracy, and an ideal 50% key uniqueness. Due to its quantum nature, the chip supports a bit density per feature size area three times higher than the best technology available, with the capacity to store more than $2^{1104}$ keys in a footprint of 1 cm$^2$. Such a quantum-powered platform could help counteract the emerging form of warfare led by the cybercrime industry in breaching authentication to target small to large-scale facilities, from private users to intelligent energy grids.
- Abstract（参考訳）: 量子人工知能は人工知能研究の最前線であり、古典的アーキテクチャによるディープラーニング以上の問題に対処する量子AI駆動回路のパイオニアである。
この研究は3兆以上のハードウェアノード/cm$^2$を持つ大規模量子活性化リカレントニューラルネットワークを実装し、オンチップに統合されたアモルファス材料における繰り返し可能な原子スケール核生成ダイナミクスから発生し、読み出しチャネル当たり0.07nWの電力で制御される。
現在報告されている最高の性能の貯水池と比較して、この実装はネットワークの規模を2桁に拡大し、消費電力を6倍に減らし、人間の脳の範囲の電力効率に到達し、0.2nW/neuronを放出する。
古典的な入力に尋問されると、チップは大規模なハードウェアセキュリティモデルを実装し、AIの現在と将来の開発を含む統計的推論攻撃に対して辞書のない認証を可能にする。
実験では99.6%の信頼性、100%のユーザ認証精度、理想の50%のキーユニークさが報告された。
量子特性のため、チップは最高の技術よりも3倍高い機能領域当たりのビット密度をサポートし、1cm$^2$のフットプリントに2^{1104}$キーを格納できる。
このような量子パワーのプラットフォームは、民間ユーザーからインテリジェントエネルギーグリッドに至るまで、小規模から大規模の施設をターゲットとする認証を侵害するサイバー犯罪業界が引き起こす、新たなタイプの戦争に対抗できるかもしれない。
関連論文リスト
- Quantum-Trained Convolutional Neural Network for Deepfake Audio Detection [3.2927352068925444]
ディープフェイク技術は プライバシー セキュリティ 情報整合性に 課題をもたらす
本稿では,ディープフェイク音声の検出を強化するために,量子学習型畳み込みニューラルネットワークフレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-11T20:52:10Z) - Anomaly Detection for Real-World Cyber-Physical Security using Quantum Hybrid Support Vector Machines [0.3749861135832072]
サイバー攻撃のような異常なデータは、インフラと人間のオペレーターの安全を著しく危険にさらしている。
量子の異常検出への応用は、物理的センサーデータにおけるサイバー攻撃の識別を大幅に改善することができる。
我々は,8量子ビット16量子カーネルを用いて,F-1スコア0.86,精度87%のHAI CPSデータセットを示す。
論文 参考訳（メタデータ） (2024-09-08T00:15:30Z) - CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。
LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
論文 参考訳（メタデータ） (2024-08-28T00:56:03Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Generative AI-enabled Quantum Computing Networks and Intelligent
Resource Allocation [80.78352800340032]
量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。
量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。
我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
論文 参考訳（メタデータ） (2024-01-13T17:16:38Z) - Field-deployable Quantum Memory for Quantum Networking [62.72060057360206]
実世界の展開とスケーリングの課題に対応するために設計された量子メモリを提示する。
メモリ技術は、温かいルビジウム蒸気を記憶媒体として利用し、室温で動作する。
我々は,高忠実度検索(95%)と低演算誤差(10-2)$を,単一光子レベルの量子メモリ操作に対して160$mu s$の記憶時間で示す。
論文 参考訳（メタデータ） (2022-05-26T00:33:13Z) - Experimental quantum adversarial learning with programmable
superconducting qubits [15.24718195264974]
プログラム可能な超伝導量子ビットを用いた量子対数学習の実験実験を行った。
本研究は,量子学習システムにおいて,敵対的シナリオ下での重大な脆弱性の側面を実験的に明らかにした。
論文 参考訳（メタデータ） (2022-04-04T18:00:00Z) - 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) - Securing Quantum Computations in the NISQ Era [0.0]
プライバシースキャンダルが進行中であることを踏まえ、リモートアクセス可能なサーバによる量子コンピューティングの今後の利用は、特別な課題を生じさせる。
量子リード機能を持つクライアントは、そのデータとアルゴリズムを隠蔽し、計算が正しく実行されることを確認することを望んでいる。
量子コンピューティングの盲目かつ検証可能なデリゲートの研究は、この問題に対処しようと試みている。
論文 参考訳（メタデータ） (2020-11-19T18:03:18Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-28T17:21:25Z) - Quantum implementation of an artificial feed-forward neural network [0.0]
本研究では,最先端の超伝導量子プロセッサ上に実装された人工フィードフォワードニューラルネットワークを実験的に実現した。
このネットワークは量子人工ニューロンで構成されており、記憶容量の潜在的な利点を個別に示す。
このネットワークは、古典的な制御か、完全に一貫性のある方法で等価に動作可能であることを実証する。
論文 参考訳（メタデータ） (2019-12-28T16:49:19Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。