Fugu-MT 論文翻訳(概要): Canonical Quantization of a Memristive Leaky Integrate-and-Fire Neuron Circuit

論文の概要: Canonical Quantization of a Memristive Leaky Integrate-and-Fire Neuron Circuit

arxiv url: http://arxiv.org/abs/2506.21363v1
Date: Thu, 26 Jun 2025 15:14:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-27 19:53:10.156506
Title: Canonical Quantization of a Memristive Leaky Integrate-and-Fire Neuron Circuit
Title（参考訳）: メムリシティブリークインテグレート・アンド・ファイアニューロン回路のカノニカル量子化
Authors: Dean Brand, Domenica Dibenedetto, Francesco Petruccione,
Abstract要約: 本稿では,量子化分裂型Leaky Integrate-and-Fire(LIF)ニューロンの理論的枠組みを提案する。我々は、回路量子力学の基底となる量子モデルを導出するために正準量子化法を適用した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a theoretical framework for a quantized memristive Leaky Integrate-and-Fire (LIF) neuron, uniting principles from neuromorphic engineering and open quantum systems. Starting from a classical memristive LIF circuit, we apply canonical quantization techniques to derive a quantum model grounded in circuit quantum electrodynamics. Numerical simulations demonstrate key dynamical features of the quantized memristor and LIF neuron in the weak-coupling and adiabatic regime, including memory effects and spiking behaviour. This work establishes a foundational model for quantum neuromorphic computing, offering a pathway towards biologically inspired quantum spiking neural networks and new paradigms in quantum machine learning.
Abstract（参考訳）: 本稿では, 量子化中間子Leaky Integrate-and-Fire(LIF)ニューロンの理論的枠組みを提案し, ニューロモルフィック工学とオープン量子システムからの原理を統一する。古典的な memristive LIF 回路から、回路量子力学の基底となる量子モデルを導出するために正準量子化法を適用する。数値シミュレーションにより、記憶効果やスパイク行動を含む弱いカップリング状態と断熱状態における量子化メムリスタとLIFニューロンの鍵となる動的特徴が示される。この研究は量子ニューロモルフィックコンピューティングの基礎モデルを確立し、生物学的にインスパイアされた量子スパイクニューラルネットワークへの経路と量子機械学習の新しいパラダイムを提供する。

関連論文リスト

Quantum Recurrent Embedding Neural Network [11.54075064463256]
本稿では、ResNetの高速トラック情報経路にインスパイアされた量子リカレント埋め込みニューラルネットワーク(QRENN)を提案する。我々は、QRENN回路のトレーニング可能性の厳密な証明を提供し、このディープ量子ニューラルネットワークがバレンプラトーを回避することができることを示した。その結果、量子ニューラルネットワークに再帰的なデータ埋め込みのパワーと、スケーラブルな量子教師あり学習の可能性を強調した。
論文参考訳（メタデータ） (2025-06-16T07:50:31Z)
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)
Hysteresis and Self-Oscillations in an Artificial Memristive Quantum Neuron [79.16635054977068]
本研究では, 量子メムリスタを含む人工ニューロン回路について, 緩和と脱落の存在下で検討した。この物理原理は、量子デバイスの電流電圧特性のヒステリシス的挙動を可能にすることを実証する。
論文参考訳（メタデータ） (2024-05-01T16:47:23Z)
Neural quantum kernels: training quantum kernels with quantum neural networks [0.0]
本稿では,量子カーネル構築のための量子ニューラルネットワークのトレーニングを提案する。我々は、ニューラルネットワークを構築するためのいくつかの戦略を提案し、量子ニューラルネットワーク(QNN)をトレーニングするためのスケーラブルな方法を提案する。
論文参考訳（メタデータ） (2024-01-09T16:08:32Z)
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)
A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
論文参考訳（メタデータ） (2023-01-17T15:16:21Z)
The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文参考訳（メタデータ） (2022-12-22T16:06:24Z)
Quantum Neural Networks -- Computational Field Theory and Dynamics [0.0]
量子人工ニューラルネットワークの力学系としての形式化が開発されている。量子コンピュータ科学、量子複雑性研究、量子技術、神経科学にもその意味がある。
論文参考訳（メタデータ） (2022-03-19T10:37:23Z)
An Application of Quantum Machine Learning on Quantum Correlated Systems: Quantum Convolutional Neural Network as a Classifier for Many-Body Wavefunctions from the Quantum Variational Eigensolver [0.0]
最近提案された量子畳み込みニューラルネットワーク(QCNN)は、量子回路を使用するための新しいフレームワークを提供する。ここでは、一次元逆場イジングモデル(TFIM)に対する変分量子固有解器の波動関数によるQCNNのトレーニング結果を示す。 QCNNは、それから遠く離れた波動関数によって訓練されたとしても、量子臨界点の周りの波動関数の対応する位相を予測するために訓練することができる。
論文参考訳（メタデータ） (2021-11-09T12:08:49Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
TensorFlow Quantum: A Software Framework for Quantum Machine Learning [36.75544801185366]
本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
論文参考訳（メタデータ） (2020-03-06T01:31:43Z)

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。