論文の概要: Quantum learning advantage on a scalable photonic platform

• arxiv url: http://arxiv.org/abs/2502.07770v2
• Date: Sun, 16 Feb 2025 13:19:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:27.034638
• Title: Quantum learning advantage on a scalable photonic platform
• Title（参考訳）: スケーラブルフォトニックプラットフォームにおける量子学習の利点
• Authors: Zheng-Hao Liu, Romain Brunel, Emil E. B. Østergaard, Oscar Cordero, Senrui Chen, Yat Wong, Jens A. H. Nielsen, Axel B. Bregnsbo, Sisi Zhou, Hsin-Yuan Huang, Changhun Oh, Liang Jiang, John Preskill, Jonas S. Neergaard-Nielsen, Ulrik L. Andersen,
• Abstract要約: 物理システムの学習における量子的優位性は 未解決のフロンティアのままです 本稿では、ボゾン変位過程の確率分布を学習するための量子拡張プロトコルのフォトニック実装を提案する。 この結果から,非理想的,雑音的絡み合いであっても,連続変数量子系において有意な量子優位性を実現することができることが示された。
• 参考スコア（独自算出の注目度）: 5.788945534225034
• License:
• Abstract: Recent advancements in quantum technologies have opened new horizons for exploring the physical world in ways once deemed impossible. Central to these breakthroughs is the concept of quantum advantage, where quantum systems outperform their classical counterparts in solving specific tasks. While much attention has been devoted to computational speedups, quantum advantage in learning physical systems remains a largely untapped frontier. Here, we present a photonic implementation of a quantum-enhanced protocol for learning the probability distribution of a multimode bosonic displacement process. By harnessing the unique properties of continuous-variable quantum entanglement, we obtain a massive advantage in sample complexity with respect to conventional methods without entangled resources. With approximately 5 dB of two-mode squeezing -- corresponding to imperfect Einstein--Podolsky--Rosen (EPR) entanglement -- we learn a 100-mode bosonic displacement process using 11.8 orders of magnitude fewer samples than a conventional scheme. Our results demonstrate that even with non-ideal, noisy entanglement, a significant quantum advantage can be realized in continuous-variable quantum systems. This marks an important step towards practical quantum-enhanced learning protocols with implications for quantum metrology, certification, and machine learning.
• Abstract（参考訳）: 量子技術の最近の進歩は、かつて不可能と考えられていた物理的世界を探索するための新しい地平線を開いた。 これらのブレークスルーの中心は量子優位の概念であり、量子システムは特定のタスクの解法において古典的よりも優れている。 計算スピードアップに多くの注意が注がれているが、物理系を学習する際の量子的優位性はいまだに未解決のフロンティアである。 本稿では,多モードボソニック変位過程の確率分布を学習するための量子拡張プロトコルのフォトニック実装を提案する。 連続変数の量子絡み合いのユニークな性質を利用することで、絡み合いのない従来の方法に対して、サンプルの複雑さにおいて大きな利点が得られる。 アインシュタイン-ポドルスキー-ローゼン(EPR)の絡み合いに対応する2モードのスキーリングの約5dBで、従来のスキームよりも11.8桁少ないサンプルを用いて100モードのボゾン変位過程を学習する。 この結果から,非理想的,雑音的絡み合いであっても,連続変数量子系において有意な量子優位性を実現することができることが示された。 これは、量子メトロジー、認証、機械学習に影響を及ぼす、実用的な量子強化学習プロトコルへの重要な一歩である。

関連論文リスト

• Entanglement-induced provable and robust quantum learning advantages [0.0]
  我々は、表現性、推論速度、トレーニング効率の観点から、ノイズロストで無条件の量子学習の利点を厳格に確立する。 我々の証明は情報理論であり、この優位性の起源を示唆している。
  論文  参考訳（メタデータ） (2024-10-04T02:39:07Z)
• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• 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 Neuronal Sensing of Quantum Many-Body States on a 61-Qubit Programmable Superconducting Processor [17.470012490921192]
  物質の性質と相の異なる多体量子状態の分類は、量子多体物理学における最も基本的な課題の1つである。 本稿では,量子ニューロンセンシングという新しいアプローチを提案する。 本手法は,2種類の多体現象を効率的に分類できることを示す。
  論文  参考訳（メタデータ） (2022-01-16T03:20:04Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• How to enhance quantum generative adversarial learning of noisy information [5.8010446129208155]
  最適化プロセス中にどのような異なるトレーニング問題が発生するかを示す。 我々は,どのオペレーティング・システムにおいても,より高速な収束を実現するための新しい戦略を提案する。 本研究は,このようなハイブリッド古典量子プロトコルの実験的実験の道を開くものである。
  論文  参考訳（メタデータ） (2020-12-10T21:48:26Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Quantum entanglement recognition [0.0]
  機械学習技術に基づく絡み合いを探索するための枠組みを定式化する。 得られた量子エンタングルメント認識タスクは正確であり、よく制御されたエラーを割り当てることができることを示す。
  論文  参考訳（メタデータ） (2020-07-28T18:00:00Z)

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。