論文の概要: Guess, SWAP, Repeat : Capturing Quantum Snapshots in Classical Memory
- arxiv url: http://arxiv.org/abs/2504.14459v1
- Date: Sun, 20 Apr 2025 02:39:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 00:28:37.519011
- Title: Guess, SWAP, Repeat : Capturing Quantum Snapshots in Classical Memory
- Title（参考訳）: Guess, SWAP, Repeat : 古典記憶における量子スナップショットのキャプチャ
- Authors: Debarshi Kundu, Avimita Chatterjee, Swaroop Ghosh,
- Abstract要約: 直接測定せずに量子状態の観測を可能にし,再利用のために保存する新しい手法を提案する。
提案手法では,複数の量子状態が1つの回路内の異なる地点で1回ずつ観測され,破壊することなく古典記憶に保存される。
本稿では,回路内の任意の点における量子状態の非破壊的推定,あるいは「スナップショット」を捉えるための,ハードウェアに依存しない機械学習駆動フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.089191490381739
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce a novel technique that enables observation of quantum states without direct measurement, preserving them for reuse. Our method allows multiple quantum states to be observed at different points within a single circuit, one at a time, and saved into classical memory without destruction. These saved states can be accessed on demand by downstream applications, introducing a dynamic and programmable notion of quantum memory that supports modular, non-destructive quantum workflows. We propose a hardware-agnostic, machine learning-driven framework to capture non-destructive estimates, or "snapshots," of quantum states at arbitrary points within a circuit, enabling classical storage and later reconstruction, similar to memory operations in classical computing. This capability is essential for debugging, introspection, and persistent memory in quantum systems, yet remains difficult due to the no-cloning theorem and destructive measurements. Our guess-and-check approach uses fidelity estimation via the SWAP test to guide state reconstruction. We explore both gradient-based deep neural networks and gradient-free evolutionary strategies to estimate quantum states using only fidelity as the learning signal. We demonstrate a key component of our framework on IBM quantum hardware, achieving high-fidelity (approximately 1.0) reconstructions for Hadamard and other known states. In simulation, our models achieve an average fidelity of 0.999 across 100 random quantum states. This provides a pathway toward non-volatile quantum memory, enabling long-term storage and reuse of quantum information, and laying groundwork for future quantum memory architectures.
- Abstract（参考訳）: 直接測定せずに量子状態の観測を可能にし,再利用のために保存する新しい手法を提案する。
提案手法では,複数の量子状態が1つの回路内の異なる地点で1回ずつ観測され,破壊することなく古典記憶に保存される。
これらの保存された状態は、ダウンストリームアプリケーションによってオンデマンドでアクセスでき、モジュラーで非破壊的な量子ワークフローをサポートする動的でプログラム可能な量子メモリの概念を導入している。
本稿では,回路内の任意の点における量子状態の非破壊的推定,あるいはスナップショット(snapshots)を,ハードウェアに依存しない機械学習駆動のフレームワークを提案する。
この能力は量子系のデバッグ、イントロスペクション、永続記憶に不可欠であるが、非閉鎖定理と破壊測定のために依然として困難である。
提案手法はSWAPテストによる忠実度推定を用いて状態復元を導出する。
我々は、勾配に基づくディープニューラルネットワークと勾配のない進化戦略の両方を探索し、学習信号として忠実性のみを用いて量子状態を推定する。
我々は、アダマールや他の既知の状態に対する高忠実度(約1.0)の再構成を実現するため、IBM量子ハードウェアにおける我々のフレームワークの重要なコンポーネントを実証する。
シミュレーションでは,100個のランダム量子状態に対して平均0.999の忠実度が得られる。
これにより、不揮発性量子メモリへの経路を提供し、量子情報の長期保存と再利用を可能にし、将来の量子メモリアーキテクチャの基礎を敷くことができる。
関連論文リスト
- Capturing Quantum Snapshots from a Single Copy via Mid-Circuit Measurement and Dynamic Circuit [1.912429179274357]
Quantum Snapshot with Dynamic Circuit (QSDC)は、量子スナップショットをキャプチャするハードウェアに依存しない学習駆動のフレームワークである。
本稿では、未知の量子状態の再構成のために古典的モデルを訓練する推測・検査手法を提案する。
本手法は,動的回路をサポートしたハードウェアを前提として,シングルコピー・中間回路状態再構成をサポートする。
論文 参考訳（メタデータ） (2025-04-30T01:18:21Z) - Quantum cryptography integrating an optical quantum memory [0.0]
スケーラブル量子ネットワークの開発は、光量子メモリに大きく依存している。
本稿では,中間量子メモリ層を組み込んだ暗号プロトコルの最初のデモンストレーションを示す。
論文 参考訳（メタデータ） (2025-03-31T18:00:04Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - 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) - Quantum Memory: A Missing Piece in Quantum Computing Units [23.256454991183702]
量子メモリデバイスの完全な設計スタックビューを提供する。
乱数アクセス量子メモリ(RAQM)と乱数アクセスメモリ(QRAM)の2種類の量子メモリデバイスについて概説する。
これらのデバイス上に構築された量子メモリユニットは、量子メモリユニットの構築、量子キャッシュ、量子バッファ、量子入出力モジュールのQRAMの使用など、コンピューティングアーキテクチャにおける量子メモリユニットである。
論文 参考訳（メタデータ） (2023-09-25T18:00:08Z) - 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) - Optimal storage capacity of quantum Hopfield neural networks [0.0]
多数のパターンで量子連想記憶を解析することは、難しいオープンな問題である。
本稿では,量子ニューラルネットワークモデルにおける最大記憶容量の評価方法を提案する。
論文 参考訳（メタデータ） (2022-10-14T15:21:21Z) - 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) - Reconstructing Quantum States Using Basis-Enhanced Born Machines [0.0]
ボルンマシンは2つのパウリ測度ベースのみからの射影測定を用いて純粋量子状態の再構成を行うことができることを示す。
我々は、基礎強化されたボルン機械を実装し、ライドバーグ原子の1次元鎖の位相図の上の基底状態を学ぶ。
このモデルは量子相関と異なる観測値を正確に予測し、システムサイズは37量子ビットとみなす。
論文 参考訳（メタデータ） (2022-06-02T19:52:38Z) - 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 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) - Quantum Deformed Neural Networks [83.71196337378022]
我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。
入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
論文 参考訳（メタデータ） (2020-10-21T09:46:12Z)
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。