論文の概要: Photonic Quantum Convolutional Neural Networks with Adaptive State Injection
- arxiv url: http://arxiv.org/abs/2504.20989v1
- Date: Tue, 29 Apr 2025 17:57:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:55.032164
- Title: Photonic Quantum Convolutional Neural Networks with Adaptive State Injection
- Title（参考訳）: 適応状態注入型フォトニック量子畳み込みニューラルネットワーク
- Authors: Léo Monbroussou, Beatrice Polacchi, Verena Yacoub, Eugenio Caruccio, Giovanni Rodari, Francesco Hoch, Gonzalo Carvacho, Nicolò Spagnolo, Taira Giordani, Mattia Bossi, Abhiram Rajan, Niki Di Giano, Riccardo Albiero, Francesco Ceccarelli, Roberto Osellame, Elham Kashefi, Fabio Sciarrino,
- Abstract要約: 我々は、状態注入を備えた粒子数保存回路に基づいて、最初のフォトニック量子畳み込みニューラルネットワーク(PQCNN)を設計、実験的に実装した。
半導体量子ドットを用いた単一光子源を用いたフォトニックプラットフォーム上でのバイナリ画像分類のためのPQCNNを実験的に検証した。
短期量子デバイスと互換性のある非線形ボソンサンプリングタスクに対する単純な適応手法の可能性を強調した。
- 参考スコア（独自算出の注目度）: 0.39928148142956393
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Linear optical architectures have been extensively investigated for quantum computing and quantum machine learning applications. Recently, proposals for photonic quantum machine learning have combined linear optics with resource adaptivity, such as adaptive circuit reconfiguration, which promises to enhance expressivity and improve algorithm performances and scalability. Moreover, linear optical platforms preserve some subspaces due to the fixed number of particles during the computation, a property recently exploited to design a novel quantum convolutional neural networks. This last architecture has shown an advantage in terms of running time complexity and of the number of parameters needed with respect to other quantum neural network proposals. In this work, we design and experimentally implement the first photonic quantum convolutional neural network (PQCNN) architecture based on particle-number preserving circuits equipped with state injection, an approach recently proposed to increase the controllability of linear optical circuits. Subsequently, we experimentally validate the PQCNN for a binary image classification on a photonic platform utilizing a semiconductor quantum dot-based single-photon source and programmable integrated photonic interferometers comprising 8 and 12 modes. In order to investigate the scalability of the PQCNN design, we have performed numerical simulations on datasets of different sizes. We highlight the potential utility of a simple adaptive technique for a nonlinear Boson Sampling task, compatible with near-term quantum devices.
- Abstract（参考訳）: 線形光学アーキテクチャは、量子コンピューティングと量子機械学習応用のために広く研究されている。
近年、フォトニック量子機械学習の提案は、適応回路再構成など、線形光学とリソース適応性を組み合わせることで、表現性を高め、アルゴリズムの性能とスケーラビリティを向上させることを約束している。
さらに、線形光学プラットフォームは、計算中に粒子数が一定であることから、いくつかの部分空間を保存し、新しい量子畳み込みニューラルネットワークの設計に利用した。
この最後のアーキテクチャは、実行時間の複雑さと、他の量子ニューラルネットワークの提案に必要とされるパラメータの数という面で優位性を示している。
本研究では, 状態注入を用いた粒子数保存回路をベースとした最初の光量子畳み込みニューラルネットワーク(PQCNN)アーキテクチャを設計し, 実験的に実装する。
その後、半導体量子ドットベースの単一光子源と8モードと12モードからなるプログラム可能な集積フォトニック干渉計を用いて、フォトニックプラットフォーム上でのバイナリ画像分類のためのPQCNNを実験的に検証した。
PQCNN設計のスケーラビリティを調べるため,異なるサイズのデータセットに対して数値シミュレーションを行った。
短期量子デバイスと互換性のある非線形ボソンサンプリングタスクに対する単純な適応手法の可能性を強調した。
関連論文リスト
- Quantum machine learning with Adaptive Boson Sampling via post-selection [0.42110855444787276]
本稿では,Boson Smplingプラットフォームにポストセレクションによる適応性を加えることで,量子機械学習プロトコルの実験的実装について報告する。
実験結果から,適応ボソンサンプリングは次元強化量子機械学習への有効な経路であることが示された。
論文 参考訳（メタデータ） (2025-02-27T17:32:05Z) - The Impact of Architecture and Cost Function on Dissipative Quantum Neural Networks [0.016385815610837167]
本稿では,各ビルディングブロックが任意の量子チャネルを実装可能な,散逸型量子ニューラルネットワーク(DQNN)の新しいアーキテクチャを提案する。
アイソメトリの多目的な1対1パラメトリ化を導出し,提案手法の効率的な実装を可能にした。
論文 参考訳（メタデータ） (2025-02-13T17:38:48Z) - Quantum optical neural networks with programmable nonlinearities [0.0]
線形光学よりもプログラム可能な非線形性を用いることで、量子光学回路を構築するのがより効率的な方法であることが示される。
このアプローチは、高忠実度演算を実現するために必要な調整可能なパラメータの数と回路深さを大幅に削減する。
論文 参考訳（メタデータ） (2024-10-10T12:37:05Z) - 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) - Quantum machine learning for image classification [39.58317527488534]
本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。
我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。
第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
論文 参考訳（メタデータ） (2023-04-18T18:23:20Z) - Simulation of Entanglement Generation between Absorptive Quantum
Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。
本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。
本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文 参考訳（メタデータ） (2022-12-17T05:51:17Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - Tunable photon-mediated interactions between spin-1 systems [68.8204255655161]
我々は、光子を媒介とする効果的なスピン-1系間の相互作用に、光遷移を持つマルチレベルエミッタを利用する方法を示す。
本結果は,空洞QEDおよび量子ナノフォトニクス装置で利用可能な量子シミュレーションツールボックスを拡張した。
論文 参考訳（メタデータ） (2022-06-03T14:52:34Z) - Variational learning for quantum artificial neural networks [0.0]
まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。
次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。
メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
論文 参考訳（メタデータ） (2021-03-03T16:10:15Z) - 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) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Recurrent Quantum Neural Networks [7.6146285961466]
リカレントニューラルネットワークは、機械学習における多くのシーケンス対シーケンスモデルの基盤となっている。
非自明なタスクに対して実証可能な性能を持つ量子リカレントニューラルネットワーク(QRNN)を構築する。
我々はQRNNをMNIST分類で評価し、QRNNに各画像ピクセルを供給し、また、最新のデータ拡張を前処理のステップとして利用する。
論文 参考訳（メタデータ） (2020-06-25T17:59:44Z)
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。