論文の概要: Phase-Space Framework for Noisy Intermediate-Scale Quantum Optical Neural Networks

• arxiv url: http://arxiv.org/abs/2507.07684v1
• Date: Thu, 10 Jul 2025 12:07:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.386879
• Title: Phase-Space Framework for Noisy Intermediate-Scale Quantum Optical Neural Networks
• Title（参考訳）: 雑音の中規模量子ニューラルネットのための位相空間フレームワーク
• Authors: Stanisław Świerczewski, Wouter Verstraelen, Piotr Deuar, Barbara Piętka, Timothy C. H. Liew, Michał Matuszewski, Andrzej Opala,
• Abstract要約: 量子光学ニューラルネットワーク(QONN)は、古典的限界を超える情報処理を可能にする。 量子貯水池の性能はボソニックモードの数で単調に向上しない。 発見は将来の量子ニューロモルフィックコンピューティングデバイスのための光ボソニック貯水池の設計と最適化に不可欠である。
• 参考スコア（独自算出の注目度）: 0.904632745647229
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum optical neural networks (QONNs) enable information processing beyond classical limits by exploiting the advantages of classical and quantum optics. However, simulation of large-scale bosonic lattices remains a significant challenge due to the exponential growth of the Hilbert space required to describe a quantum network accurately. Consequently, previous theoretical studies have been limited to small-scale systems, leaving the behaviour of multimode QONNs largely unexplored. This work presents an efficient computational framework based on the phase-space positive-P method for simulating bosonic neuromorphic systems. This approach provides a view to previously inaccessible regimes, allowing the validation of large-scale bosonic networks in various quantum machine learning tasks such as quantum state classification and quantum state feature prediction. Our results show that the performance of a large quantum reservoir does not improve monotonously with the number of bosonic modes, instead following a complex dependence driven by the interplay of nonlinearity, reservoir size, and the average occupation of the input mode. These findings are essential for designing and optimising optical bosonic reservoirs for future quantum neuromorphic computing devices.
• Abstract（参考訳）: 量子光学ニューラルネットワーク(QONN)は、古典光学と量子光学の利点を利用して、古典的限界を超える情報処理を可能にする。 しかしながら、大規模ボソニック格子のシミュレーションは、量子ネットワークを正確に記述するのに必要となるヒルベルト空間の指数的成長のために、依然として重要な課題である。 その結果、従来の理論研究は小規模のシステムに限られており、マルチモードQONNの挙動はほとんど解明されていない。 本研究は、ボソニックニューロモルフィック系をシミュレートする位相空間正-P法に基づく効率的な計算フレームワークを提案する。 このアプローチは、以前のアクセス不能なレシエーションに対する見解を提供し、量子状態分類や量子状態の特徴予測など、さまざまな量子機械学習タスクにおける大規模ボソニックネットワークの検証を可能にする。 以上の結果から, 大規模量子貯水池の性能は, 非線形性, 貯水池サイズ, 入力モードの平均占有量によって引き起こされる複雑な依存に従わず, ボソニックモードの数とともに単調に向上しないことがわかった。 これらの発見は、将来の量子ニューロモルフィックコンピューティングデバイスのための光ボソニック貯水池の設計と最適化に不可欠である。

関連論文リスト

• Quantum Repeater Chains via Cavity Magnon for Scalable Quantum Networks [0.0]
  マグノンプラットフォームにおける周波数可変性およびコヒーレンス特性を利用したキャビティ-マグノン量子リピータアーキテクチャを提案する。 システム性能を様々な展開シナリオとネットワークスケールで分析し、短距離と長距離の両方の実装について検討する。
  論文  参考訳（メタデータ） (2025-07-06T18:30:36Z)
• 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)
• 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)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
  本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。 量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
  論文  参考訳（メタデータ） (2024-06-03T09:51:25Z)
• Hybrid quantum gap estimation algorithm using a filtered time series [0.0]
  我々は、古典的な後処理、すなわち、オフライン時系列の長時間フィルタリングが、量子時間進化に必要な回路深さを指数関数的に改善することを証明する。 本手法をハイブリッド量子古典アルゴリズムの構築に適用し,エネルギーギャップを推定する。 我々の発見は、短期的にメモリの優位性を提供するために、非バイアス量子シミュレーションのステージを設定した。
  論文  参考訳（メタデータ） (2022-12-28T18:59:59Z)
• 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)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• 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)

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。