論文の概要: Harnessing Photon Indistinguishability in Quantum Extreme Learning Machines

• arxiv url: http://arxiv.org/abs/2505.11238v1
• Date: Fri, 16 May 2025 13:28:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:15.086803
• Title: Harnessing Photon Indistinguishability in Quantum Extreme Learning Machines
• Title（参考訳）: 量子極端学習マシンにおける光子識別性のハーネス化
• Authors: Malo Joly, Adrian Makowski, Baptiste Courme, Lukas Porstendorfer, Steffen Wilksen, Edoardo Charbon, Christopher Gies, Hugo Defienne, Sylvain Gigan,
• Abstract要約: 量子極端機械学習 (QELM) プロトコルは、不明瞭な光子対と多モードファイバーをランダムな密度接続層として利用している。 画像分類タスクにおいて、識別可能で識別不能な光子に対して、光子偶然に基づくQELM性能を実験的に検討した。 この改良された性能を特徴空間の次元性や表現性の向上に関連づける。
• 参考スコア（独自算出の注目度）: 0.723142344259161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in machine learning have led to an exponential increase in computational demands, driving the need for innovative computing platforms. Quantum computing, with its Hilbert space scaling exponentially with the number of particles, emerges as a promising solution. In this work, we implement a quantum extreme machine learning (QELM) protocol leveraging indistinguishable photon pairs and multimode fiber as a random densly connected layer. We experimentally study QELM performance based on photon coincidences -- for distinguishable and indistinguishable photons -- on an image classification task. Simulations further show that increasing the number of photons reveals a clear quantum advantage. We relate this improved performance to the enhanced dimensionality and expressivity of the feature space, as indicated by the increased rank of the feature matrix in both experiment and simulation.
• Abstract（参考訳）: 近年の機械学習の進歩により、計算需要が急増し、革新的なコンピューティングプラットフォームの必要性が高まっている。 ヒルベルト空間を粒子数で指数関数的にスケーリングする量子コンピューティングは、有望な解として現れる。 本研究では,量子極端機械学習(QELM)プロトコルを実装し,不明瞭な光子対と多モードファイバをランダムに結合した層として利用する。 画像分類タスクにおいて、識別可能で識別不能な光子に対して、光子偶然に基づくQELM性能を実験的に検討した。 シミュレーションにより、光子の数が増加すると明らかな量子優位性が示される。 実験とシミュレーションの両方において特徴行列のランクの上昇が示すように、この改善された性能を特徴空間の次元性および表現性の向上に関連付ける。

関連論文リスト

• Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
  我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。 アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。 本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
  論文  参考訳（メタデータ） (2024-07-02T18:00:00Z)
• Photon Number-Resolving Quantum Reservoir Computing [1.1274582481735098]
  本稿では,光子数分解による出力状態の検出で実現可能な光量子貯水池計算のための固定光ネットワークを提案する。 これは、高次元ヒルベルト空間にアクセスしながら入力量子状態に必要な複雑さを著しく減少させる。
  論文  参考訳（メタデータ） (2024-02-09T11:28:37Z)
• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Fast simulation for multi-photon, atomic-ensemble quantum model of linear optical systems addressing the curse of dimensionality [0.0]
  複数の光子上の時間進化作用素を、単一の光子に作用する時間進化作用素のグループに分解する。 提案手法は,光子の空間伝播を可視化し,量子化技術の実験設計を支援する知見を提供する。
  論文  参考訳（メタデータ） (2023-02-27T16:54:58Z)
• 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)
• 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)
• 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)

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。