論文の概要: Large-Scale Tree-Type Photonic Cluster State Generation with Recurrent Quantum Photonic Neural Networks
- arxiv url: http://arxiv.org/abs/2505.14628v1
- Date: Tue, 20 May 2025 17:18:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:53.637526
- Title: Large-Scale Tree-Type Photonic Cluster State Generation with Recurrent Quantum Photonic Neural Networks
- Title（参考訳）: 繰り返し量子フォトニックニューラルネットワークを用いた大規模ツリー型フォトニッククラスター状態生成
- Authors: Jacob Ewaniuk, Bhavin J. Shastri, Nir Rotenberg,
- Abstract要約: 絡み合った光子の大規模な多次元クラスターは、新興量子技術の最も強力な資源の一つである。
我々は、繰り返し量子フォトニックニューラルネットワーク(QPNN)に基づく、その生成のための全く新しいアーキテクチャとプロトコルを提案する。
1つのQPNNが、ほぼ完全な忠実度と損失制限率でクラスタ状態を生成するために必要な、さまざまな操作をすべて実行できることを示します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large, multi-dimensional clusters of entangled photons are among the most powerful resources for emerging quantum technologies, as they are predicted to enable global quantum networks or universal quantum computation. Here, we propose an entirely new architecture and protocol for their generation based on recurrent quantum photonic neural networks (QPNNs) and focusing on tree-type cluster states. Unlike other approaches, QPNN-based generators are not limited by the the coherence of quantum emitters or by probabilistic multi-photon operations, enabling arbitrary scaling only limited by loss (which, unavoidably, also affects all other methods). We show that a single QPNN can learn to perform all of the many different operations needed to create a cluster state, from photon routing to entanglement generation, all with near-perfect fidelity and at loss-limited rates, even when it is created from imperfect photonic components. Although these losses ultimately place a limit on the size of the cluster states, we show that state-of-the-art photonics should already allow for clusters of 60 photons, which can grow into the 100s with modest improvements to losses. Finally, we present an analysis of a one-way quantum repeater based on these states, determining the requisite platform quality for a global quantum network and highlighting the potential of the QPNN to play a vital role in high-impact quantum technologies.
- Abstract（参考訳）: 絡み合った光子の大規模な多次元クラスターは、グローバル量子ネットワークや普遍量子計算を可能にすると予測されるため、新興量子技術の最も強力な資源である。
本稿では、繰り返し量子フォトニックニューラルネットワーク(QPNN)に基づく、ツリー型クラスタ状態に着目した、その生成のための全く新しいアーキテクチャとプロトコルを提案する。
他のアプローチとは異なり、QPNNベースのジェネレータは量子エミッターのコヒーレンスや確率的多光子演算によって制限されないため、任意のスケーリングは損失によってのみ制限される(これは必然的に他の方法にも影響する)。
単一QPNNは、光子ルーティングから絡み合い生成まで、不完全なフォトニック成分から生成される場合であっても、ほぼ完全な忠実度と損失制限率で、クラスタ状態を生成するために必要なさまざまな操作をすべて実行することができることを示す。
これらの損失は最終的にクラスター状態のサイズに制限を与えるが、最先端のフォトニクスは60個の光子のクラスターを既に許容しており、損失はわずかに改善され、100年代まで増大する可能性がある。
最後に、これらの状態に基づいて一方通行の量子リピータの解析を行い、グローバルな量子ネットワークに必要なプラットフォーム品質を判断し、QPNNがハイインパクトな量子技術において重要な役割を果たす可能性を強調する。
関連論文リスト
- Efficient Quantum Convolutional Neural Networks for Image Classification: Overcoming Hardware Constraints [2.3895835682351287]
量子畳み込みニューラルネットワーク(CNN)は、古典的アプローチを上回る可能性を秘めている。
本稿では,入力次元を大幅に削減する符号化方式を提案する。
我々はIBMのHeron r2量子プロセッサの実験を検証し、分類精度は96.08%である。
論文 参考訳（メタデータ） (2025-05-09T11:09:52Z) - Advancing Quantum Networking: Some Tools and Protocols for Ideal and
Noisy Photonic Systems [0.0]
フォトニックリンクは量子ネットワークを可能にする。
フォトニックリンクは、大規模量子コンピュータを実現するために、コロケーションの量子プロセッサを接続する。
フォトニックリンクは宇宙の離れたノードをリンクし、基礎物理学の新しいテストを可能にする。
論文 参考訳（メタデータ） (2024-03-04T22:06:21Z) - 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) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Distributed quantum computing with photons and atomic memories [0.0]
本稿では,光子と原子アンサンブルに基づく量子メモリに基づく汎用分散量子コンピューティング手法を提案する。
確立されたフォトニックの利点を生かして、フォトニックの量子ビットを量子メモリ状態に変換することにより、2量子非線形相互作用を仲介する。
この結果から、光子-原子ネットワークハイブリッドアプローチは、普遍量子コンピューティングの代替ソリューションとなる可能性が示唆された。
論文 参考訳（メタデータ） (2022-07-05T22:52:33Z) - All-optical neural network quantum state tomography [0.39146761527401414]
我々は、オールオプティカルニューラルネットワーク(AONN)に基づいて、ニューラルネットワークQSTのための統合されたオールオプティカルセットアップを構築する。
実験結果は全光学装置の有効性と効率を実証した。
統合されたAONN-QSTのオール光学構成は、最後のレンガで全光学量子ネットワークを補充することに光を当てるかもしれない。
論文 参考訳（メタデータ） (2021-03-11T04:43:34Z) - Entanglement transfer, accumulation and retrieval via quantum-walk-based
qubit-qudit dynamics [50.591267188664666]
高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。
本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。
特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
論文 参考訳（メタデータ） (2020-10-14T14:33:34Z) - 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) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。