論文の概要: Hardware-Efficient Large-Scale Universal Linear Transformations for Optical Modes in the Synthetic Time Dimension

• arxiv url: http://arxiv.org/abs/2505.00865v1
• Date: Thu, 01 May 2025 21:14:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:19.831933
• Title: Hardware-Efficient Large-Scale Universal Linear Transformations for Optical Modes in the Synthetic Time Dimension
• Title（参考訳）: 合成時間次元における光学モードのためのハードウェア効率の良い大規模ユニバーサル線形変換
• Authors: Jasvith Raj Basani, Chaohan Cui, Jack Postlewaite, Edo Waks, Saikat Guha,
• Abstract要約: ハードウェア効率のよい時間領域フォトニックプロセッサを導入し、少なくとも成分数を指数関数的に削減する。 本研究は,近距離・スケーラブル・再構成可能なフォトニックプロセッサへの実用的な経路を確立する。
• 参考スコア（独自算出の注目度）: 0.6384650391969042
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent progress in photonic information processing has generated strong interest in scalable and dynamically reconfigurable photonic circuitry. Conventional approaches based on spatial interferometer meshes face a fundamental scaling bottleneck, requiring a number of components that grows quadratically with system size. Here, we introduce a hardware-efficient time-domain photonic processor that achieves at least an exponential reduction in component count for implementing arbitrary linear transformations. Our design leverages the favorable scaling properties of the synthetic time dimension by encoding information in time-binned modes and processing them in parallel using recursive switchable short and long-range coupling. The dynamic connectivity of our processor enables systematic pruning of circuit depth, which minimizes optical loss while maintaining all-to-all connectivity. We benchmark our platform on the task of boosted Bell state measurements - a critical component in linear optical quantum computing, and demonstrate that the architecture surpasses the thresholds required for universal cluster-state quantum computation under realistic hardware parameters. We link the performance of our device to the geometric nature of multi-photon transport and show that, contrary to the expectation that redundant faulty hardware degrades performance, localization effects may contribute to improved robustness against coherent errors. Our results establish a practical pathway toward near-term, scalable, and reconfigurable photonic processors for quantum computation and simulation in the synthetic time dimension.
• Abstract（参考訳）: フォトニック情報処理の最近の進歩は、スケーラブルで動的に再構成可能なフォトニック回路に強い関心を集めている。 空間干渉計メッシュに基づく従来のアプローチは、システムサイズと二次的に成長する多数のコンポーネントを必要とする、基本的なスケーリングボトルネックに直面している。 本稿では、任意の線形変換を実装するために、少なくとも成分数を指数関数的に削減できるハードウェア効率の良い時間領域フォトニックプロセッサを提案する。 我々の設計は、時間結合モードで情報を符号化し、再帰的に切り換え可能な短距離および長距離結合を用いて並列に処理することで、合成時間次元の好ましいスケーリング特性を活用する。 プロセッサの動的接続により、全接続を維持しながら光損失を最小限に抑えることができる。 我々は,線形光量子コンピューティングにおける重要なコンポーネントであるベル状態測定の課題について,我々のプラットフォームをベンチマークし,現実的なハードウェアパラメータの下でのクラスタ状態量子計算に必要なしきい値を超えていることを示す。 デバイスの性能を多光子輸送の幾何学的性質と結びつけ、冗長な欠陥ハードウェアが性能を低下させるという期待に反して、ローカライゼーション効果がコヒーレントエラーに対する堅牢性の向上に寄与することを示した。 本研究は, 合成時間次元における量子計算とシミュレーションのための, 短期的, 拡張性, 再構成可能なフォトニックプロセッサへの実用的な経路を確立するものである。

関連論文リスト

• A Hardware-Efficient Photonic Tensor Core: Accelerating Deep Neural Networks with Structured Compression [15.665630650382226]
  AIとディープニューラルネットワーク(DNN)は多くの分野に革命をもたらし、大規模なデータセットから複雑な特徴を抽出することで複雑なタスクを可能にした。 光コンピューティングは、並列性、高い計算速度、低消費電力という固有の利点のために、有望な代替手段を提供する。 構造圧縮型光ニューラルネットワーク(StrC-ONN)アーキテクチャのためのブロック循環型フォトニックテンソルコア(CirPTC)を提案する。
  論文  参考訳（メタデータ） (2025-02-01T17:03:45Z)
• Streamlined optical training of large-scale modern deep learning architectures with direct feedback alignment [48.90869997343841]
  我々は,ハイブリッド電子フォトニックプラットフォーム上で,ダイレクトフィードバックアライメントと呼ばれる多目的でスケーラブルなトレーニングアルゴリズムを実験的に実装した。 光処理ユニットは、30ワット以下の1500テラオプスで大規模なランダム行列乗算を行う。 トレーニング時間のスケーリングについて検討し、超深度・広帯域ニューラルネットワークに対するハイブリッド光電子アプローチの潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2024-09-01T12:48:47Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Efficient and accurate neural field reconstruction using resistive memory [52.68088466453264]
  デジタルコンピュータにおける従来の信号再構成手法は、ソフトウェアとハードウェアの両方の課題に直面している。 本稿では,スパース入力からの信号再構成のためのソフトウェア・ハードウェア協調最適化を用いた体系的アプローチを提案する。 この研究は、AI駆動の信号復元技術を進歩させ、将来の効率的で堅牢な医療AIと3Dビジョンアプリケーションへの道を開く。
  論文  参考訳（メタデータ） (2024-04-15T09:33:09Z)
• Characterization of multi-mode linear optical networks [0.0]
  不完全性の存在下での光回路のキャラクタリゼーションのための効率的な手順を定式化する。 本稿では,本手法の有効性を,可変集積フォトニック回路で定義された実験的なシナリオで示す。 本研究は, バルク構成と統合構成の両方に基づいて, 広い範囲の光学装置に応用できることを示す。
  論文  参考訳（メタデータ） (2023-04-13T13:09:14Z)
• All-Photonic Artificial Neural Network Processor Via Non-linear Optics [0.0]
  本稿では,全フォトニックニューラルネットワークプロセッサを提案する。 情報はニューロンとして機能する周波数モードの振幅に符号化される。 私たちのアーキテクチャは、完全にユニタリで可逆的な計算方法を提供するという点でユニークなものです。
  論文  参考訳（メタデータ） (2022-05-17T19:55:30Z)
• Inverse-design of high-dimensional quantum optical circuits in a complex medium [0.0]
  広視野モードミキサーの高次元空間に光回路を埋め込む方法を示す。 これにより、各回路要素に対して高いプログラム性を維持しつつ、制御を強制することができる。 我々の研究は、光の高次元量子状態の精密制御を実現するための、代替的で強力なアプローチとして機能する。
  論文  参考訳（メタデータ） (2022-04-01T17:08:04Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Interleaving: Modular architectures for fault-tolerant photonic quantum computing [50.591267188664666]
  フォトニック核融合型量子コンピューティング(FBQC)は低損失フォトニック遅延を用いる。 FBQCのモジュールアーキテクチャとして,これらのコンポーネントを結合して「インターリービングモジュール」を形成するアーキテクチャを提案する。 遅延の乗法的パワーを行使すると、各加群はヒルベルト空間に数千の物理量子ビットを加えることができる。
  論文  参考訳（メタデータ） (2021-03-15T18:00:06Z)
• 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)

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。