論文の概要: Smarter Usage of Measurement Statistics Can Greatly Improve Continuous Variable Quantum Reservoir Computing

• arxiv url: http://arxiv.org/abs/2507.03557v1
• Date: Fri, 04 Jul 2025 13:09:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.779555
• Title: Smarter Usage of Measurement Statistics Can Greatly Improve Continuous Variable Quantum Reservoir Computing
• Title（参考訳）: 連続可変量子貯留層計算を大幅に改善できる測定統計のより賢明な利用
• Authors: Markku Hahto, Johannes Nokkala,
• Abstract要約: 量子貯水池コンピューティングは、情報処理を行うために量子システムが使用される機械学習スキームである。 過去の計測結果を古典記憶に保存することを検討すると、記憶能力が向上し、統計的ノイズの影響を軽減することができることを示す。
• 参考スコア（独自算出の注目度）: 1.03590082373586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum reservoir computing is a machine learning scheme in which a quantum system is used to perform information processing. A prospective approach to its physical realization is a photonic platform in which continuous variable (CV) quantum information methods are applied. The simplest CV quantum states are Gaussian states, which can be efficiently simulated classically. As such, they provide a benchmark for the level of performance that non-Gaussian states should surpass in order to give a quantum advantage. In this article we propose two methods to extract more performance from Gaussian states compared to previous protocols. We consider better utilization of the measurement distribution by sampling its cumulative distribution function. We show it provides memory in areas that conventional approaches are lacking, as well as improving the overall processing capacity of the reservoir. We also consider storing past measurement results in classical memory, and show that it improves the memory capacity and can be used to mitigate the effects of statistical noise due to finite measurement ensemble.
• Abstract（参考訳）: 量子貯水池コンピューティングは、情報処理を行うために量子システムが使用される機械学習スキームである。 物理実現への先進的なアプローチは、連続変数(CV)量子情報手法を適用するフォトニックプラットフォームである。 最も単純なCV量子状態はガウス状態であり、古典的に効率的にシミュレートできる。 そのため、非ガウス状態が量子的優位性を与えるために超越すべき性能の水準のベンチマークを提供する。 本稿では,従来のプロトコルと比較してガウス状態から高い性能を抽出する2つの手法を提案する。 累積分布関数をサンプリングすることで, 測定分布のより良い利用を考察する。 従来の手法に欠ける領域にメモリを提供し、貯水池全体の処理能力を向上させる。 また,過去の計測結果を古典記憶に保存することも検討し,メモリ容量を向上し,有限計測アンサンブルによる統計的雑音の影響を軽減することができることを示した。

関連論文リスト

• Minimal Quantum Reservoirs with Hamiltonian Encoding [72.27323884094953]
  ハミルトニアン符号化に基づく量子貯水池計算のための最小限のアーキテクチャについて検討する。 このアプローチは、一般的に量子機械学習に関連する実験的なオーバーヘッドの多くを回避します。
  論文  参考訳（メタデータ） (2025-05-28T16:50:05Z)
• Memory-Augmented Hybrid Quantum Reservoir Computing [0.0]
  本稿では、量子計測の古典的後処理を通じてメモリを実装するハイブリッド量子古典的アプローチを提案する。 我々は、完全に連結されたIsingモデルとRydberg原子配列の2つの物理プラットフォーム上でモデルをテストした。
  論文  参考訳（メタデータ） (2024-09-15T22:44:09Z)
• A Fast and Stable Marginal-Likelihood Calibration Method with Application to Quantum Characterization [0.0]
  我々はケネディ・オハガン(KOH)ベイズ的枠組みに統合された限界的可能性戦略を提案する。 提案手法は,大規模データセットにおいても,計算効率が高く,数値的に安定である。
  論文  参考訳（メタデータ） (2023-08-24T04:39:18Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Benchmarking the role of particle statistics in Quantum Reservoir Computing [0.0]
  線形および非線形メモリ容量を測定し,過去の入力からの情報を保存するボソン,フェルミオン,量子ビットの能力について検討した。 最も単純なハミルトン式貯水池では、フェルミオンはその固有の非局所的性質のために最良の貯水池を提供する。 調整された入力注入戦略により、ヒルベルト空間の自由度をボソニック量子貯水池計算に活用することができる。
  論文  参考訳（メタデータ） (2023-02-14T16:23:46Z)
• Demonstration of machine-learning-enhanced Bayesian quantum state estimation [0.0]
  機械学習を用いて自動調整を行うカスタム事前分布の定義手法を実験的に実現した。 MLで定義した事前分布は、ネット収束時間を減少させ、暗黙的および明示的な情報を事前分布に直接組み込む自然な方法を提供する。
  論文  参考訳（メタデータ） (2022-12-15T18:41:15Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Toward a quantum computing algorithm to quantify classical and quantum correlation of system states [0.0]
  システム状態に対する古典的および量子的相関を実現するために,変分型ハイブリッド量子古典(VHQC)アルゴリズムを設計する。 我々は,いくつかの密度行列の相関関係を求めるアルゴリズムの性能を数値的に検証する。
  論文  参考訳（メタデータ） (2021-11-17T09:40:30Z)
• Fast and robust quantum state tomography from few basis measurements [65.36803384844723]
  本稿では、上記の全てのリソースを精度に悪影響を及ぼすことなく最適化するオンライントモグラフィーアルゴリズムを提案する。 このプロトコルは、状態コピー、測定設定、メモリのランクと寸法で証明可能なパフォーマンスを初めて提供する。 量子コンピュータ上でアルゴリズムを実行し、量子状態トモグラフィーのための量子スピードアップを提供することにより、さらなる改善が可能となる。
  論文  参考訳（メタデータ） (2020-09-17T11:28:41Z)

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。