論文の概要: Continuous-variable Quantum Diffusion Model for State Generation and Restoration

• arxiv url: http://arxiv.org/abs/2506.19270v1
• Date: Tue, 24 Jun 2025 03:04:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.460042
• Title: Continuous-variable Quantum Diffusion Model for State Generation and Restoration
• Title（参考訳）: 状態生成と回復のための連続可変量子拡散モデル
• Authors: Haitao Huang, Chuangtao Chen, Qinglin Zhao,
• Abstract要約: 本稿では,連続可変量子拡散原理に基づく新しいフレームワークを提案し,CV量子ニューラルネットワーク(CVQNN)と相乗化する。 状態生成のための連続可変量子拡散生成モデル(CVQD-G)では,熱損失チャネルを用いた物理駆動前方拡散プロセスを採用している。 状態回復のために、我々の特殊変種は量子状態、特に未知のパラメータを持つコヒーレントな状態を熱劣化から復元するために設計された。
• 参考スコア（独自算出の注目度）: 3.3864018929063477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The generation and preservation of complex quantum states against environmental noise are paramount challenges in advancing continuous-variable (CV) quantum information processing. This paper introduces a novel framework based on continuous-variable quantum diffusion principles, synergizing them with CV quantum neural networks (CVQNNs) to address these dual challenges. For the task of state generation, our Continuous-Variable Quantum Diffusion Generative model (CVQD-G) employs a physically driven forward diffusion process using a thermal loss channel, which is then inverted by a learnable, parameter-efficient backward denoising process based on a CVQNN with time-embedding. This framework's capability is further extended for state recovery by the Continuous-Variable Quantum Diffusion Restoration model (CVQD-R), a specialized variant designed to restore quantum states, particularly coherent states with unknown parameters, from thermal degradation. Extensive numerical simulations validate these dual capabilities, demonstrating the high-fidelity generation of diverse Gaussian (coherent, squeezed) and non-Gaussian (Fock, cat) states, typically with fidelities exceeding 99%, and confirming the model's ability to robustly restore corrupted states. Furthermore, a comprehensive complexity analysis reveals favorable training and inference costs, highlighting the framework's efficiency, scalability, and its potential as a robust tool for quantum state engineering and noise mitigation in realistic CV quantum systems.
• Abstract（参考訳）: 環境騒音に対する複雑な量子状態の生成と保存は、連続可変(CV)量子情報処理の推進における最重要課題である。 本稿では,この2つの課題に対処するために,連続可変量子拡散原理に基づく新しいフレームワークをCV量子ニューラルネットワーク(CVQNN)で合成する。 状態生成のための連続可変量子拡散生成モデル(CVQD-G)では、熱損失チャネルを用いて物理的に駆動される前方拡散プロセスを用いて、時間埋め込み付きCVQNNに基づいて、学習可能でパラメータ効率のよい後方復調処理によって逆転する。 このフレームワークの能力は、量子状態、特に未知のパラメータを持つコヒーレントな状態を熱分解から復元するために設計された特別な変種である連続可変量子拡散回復モデル(CVQD-R)によって、状態回復のためにさらに拡張されている。 大規模な数値シミュレーションによりこれらの二重能力を検証し、多種多様なガウス状態(コヒーレントで圧縮された)と非ガウス状態(フォック、猫)の高忠実度発生を実証し、典型的には99%を超える忠実度を持ち、モデルが破損した状態の堅牢な復元能力を確認する。 さらに、包括的複雑性分析は、フレームワークの効率性、スケーラビリティ、および現実的なCV量子システムにおける量子状態工学とノイズ軽減のための堅牢なツールとしての可能性を強調し、トレーニングと推論のコストが好適であることを明らかにする。

関連論文リスト

• Unitary Scrambling and Collapse: A Quantum Diffusion Framework for Generative Modeling [5.258882634977828]
  画像生成のための最初の完全量子拡散に基づくフレームワークであるQSC-Diffusionを提案する。 逆ノイズ発生のためのパラメータ化量子回路を用いる。 注目すべきは、QSC-Diffusionは複数のデータセット間で競合するFIDスコアを達成することだ。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Dissipation-induced Quantum Homogenization for Temporal Information Processing [44.99833362998488]
  量子貯水池は、ハミルトニアンパラメータの精密な制御や微調整なしに、情報処理やターゲット時系列生成に量子システムの複雑なリアルタイム散逸ダイナミクスを利用するため、大きなポテンシャルを持つ。 本稿では, 分散量子ホモジェナイザーを代替プラットフォームとして提案し, 貯水池力学の必要十分かつ十分な条件 – 安定性と収縮性 – を満たすことを証明する。 その結果、核磁気共鳴アンサンブルまたはフォトニック系として物理的に実装可能な量子均質化プロトコルが、貯水池コンピュータとして機能する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-12-13T09:05:41Z)
• Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
  本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。 古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。 本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
  論文  参考訳（メタデータ） (2024-05-27T17:40:39Z)
• Demonstrating efficient and robust bosonic state reconstruction via optimized excitation counting [33.12402484053305]
  本稿では,一般化Q-関数の考え方に基づいて,励起数サンプリング(ORENS)を用いた最適化再構成の効率的かつ堅牢な手法を提案する。 我々の研究は、ボソニックモードを用いた実用的な量子情報処理のための重要かつ価値のあるプリミティブを提供する。
  論文  参考訳（メタデータ） (2024-03-05T16:05:02Z)
• Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
  本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。 QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す 混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
  論文  参考訳（メタデータ） (2024-01-13T10:56:34Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)

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。