論文の概要: Feedback-enhanced quantum reservoir computing with weak measurements

• arxiv url: http://arxiv.org/abs/2503.17939v1
• Date: Sun, 23 Mar 2025 04:47:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:35:13.224503
• Title: Feedback-enhanced quantum reservoir computing with weak measurements
• Title（参考訳）: 弱い測定値を用いたフィードバック強化量子貯水池計算
• Authors: Tomoya Monomi, Wataru Setoyama, Yoshihiko Hasegawa,
• Abstract要約: フィードバック強化型量子貯水池計算フレームワークを開発した。 また,本モデルが従来のQRC手法よりも優れていることを示す。 これらの知見は、次世代量子機械学習アプリケーションにおけるフィードバック強化型QRCの可能性を示している。
• 参考スコア（独自算出の注目度）: 1.474723404975345
• License:
• Abstract: Quantum reservoir computing (QRC) leverages the natural dynamics of quantum systems to process time-series data efficiently, offering a promising approach for near-term quantum devices. Unlike classical reservoir computing, the efficacy of feedback in QRC has not yet been thoroughly explored. Here, we develop a feedback-enhanced QRC framework with weak measurements. Weak measurements preserve information stored in quantum coherence, while feedback enhances nonlinearity and memory capacity. The implementation of our framework assumes an ensemble quantum system, such as nuclear magnetic resonance. Through linear memory and nonlinear forecasting tasks, we show that our model outperforms conventional QRC approaches in many cases. Our proposed protocol achieves superior performance in systems with small measurement errors and low environmental noise. Furthermore, we theoretically demonstrate that feedback of measurement results reinforces the nonlinearity of the reservoir. These findings highlight the potential of feedback-enhanced QRC for next-generation quantum machine learning applications.
• Abstract（参考訳）: 量子貯水池コンピューティング(QRC)は、量子システムの自然力学を利用して時系列データを効率的に処理し、短期的な量子デバイスに有望なアプローチを提供する。 古典的な貯水池計算とは異なり、QRCにおけるフィードバックの有効性はまだ十分に検討されていない。 そこで我々は,弱い測定値を持つフィードバック強化型QRCフレームワークを開発した。 弱測定は量子コヒーレンスに格納された情報を保存し、フィードバックは非線形性とメモリ容量を高める。 我々のフレームワークの実装は核磁気共鳴のようなアンサンブル量子システムを想定している。 線形メモリと非線形予測タスクを通して,本モデルが従来のQRC手法よりも優れていることを示す。 提案プロトコルは, 測定誤差が少なく, 環境騒音の少ないシステムにおいて, 優れた性能を実現する。 さらに, 測定結果のフィードバックが貯水池の非線形性を高めることを理論的に実証した。 これらの知見は、次世代量子機械学習アプリケーションにおけるフィードバック強化型QRCの可能性を示している。

関連論文リスト

• Feedback-driven quantum reservoir computing for time-series analysis [1.1920094285063136]
  量子貯水池計算(QRC)は、非線形情報処理のための計算資源として量子システムを利用する有望な計算パラダイムである。 時系列分析のためのフィードバック駆動型QRCフレームワークを提案する。 我々は,QRCがフィードバック接続によってフェードメモリ特性の取得に成功したことを実証した。
  論文  参考訳（メタデータ） (2024-06-22T08:28:08Z)
• Quantum reservoir computing with repeated measurements on superconducting devices [6.868186896932376]
  我々は、繰り返し測定を利用して時系列を生成する量子貯水池(QR)システムを開発した。 我々は,IBMの量子超伝導デバイス上で提案したQRCを実験的に実装し,高い精度と短い実行時間を実現することを示す。
  論文  参考訳（メタデータ） (2023-10-10T15:29:24Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Quantum reservoir probing: an inverse paradigm of quantum reservoir computing for exploring quantum many-body physics [0.0]
  本研究では,量子システム自体を情報処理性能によって探索する相互研究の方向性を提案する。 この概念に基づいて、量子貯水池探索(QRP)を開発し、量子貯水池計算(QRC)パラダイムの逆拡張を行う。 量子情報と量子物質を統合することで、QRPは量子多体物理学の様々な側面を探索するための強力なツールとして大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-08-02T01:26:36Z)
• Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
  変動量子回路(VQC)における重み付けの考え方を紹介する。 我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。 以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-06-09T09:42:21Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Physical reservoir computing using finitely-sampled quantum systems [0.0]
  貯留層計算は物理貯水池の非線形力学を利用して複雑な時系列処理を行う。 ここでは、非線形量子貯水池を用いた連続測定による貯水池計算の枠組みについて述べる。
  論文  参考訳（メタデータ） (2021-10-26T16:46:14Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。