論文の概要: Concentration-Free Quantum Kernel Learning in the Rydberg Blockade

• arxiv url: http://arxiv.org/abs/2508.10819v1
• Date: Thu, 14 Aug 2025 16:45:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.415892
• Title: Concentration-Free Quantum Kernel Learning in the Rydberg Blockade
• Title（参考訳）: Rydbergブロックにおける無濃度量子カーネル学習
• Authors: Ayana Sarkar, Martin Schnee, Roya Radgohar, Mojde Fadaie, Victor Drouin-Touchette, Stefanos Kourtis,
• Abstract要約: 量子カーネル法(QKM)は、短期量子コンピュータ上での機械学習に魅力的なフレームワークを提供する。 ここでは指数集中のないQKMを提案するが、古典的なシミュレートは困難である。 我々のQKMは、コヒーレントに駆動される中性原子配列のリドベルク封鎖における弱いエルゴード性破壊多体ダイナミクスを利用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum kernel methods (QKMs) offer an appealing framework for machine learning on near-term quantum computers. However, QKMs generically suffer from exponential concentration, requiring an exponential number of measurements to resolve the kernel values, with the exception of trivial (i.e., classically simulable) kernels. Here we propose a QKM that is free of exponential concentration, yet remains hard to simulate classically. Our QKM utilizes the weak ergodicity-breaking many-body dynamics in the Rydberg blockade of coherently driven neutral atom arrays. We demonstrate the fundamental properties of our QKM by analytically solving an approximate toy model of its underpinning quantum dynamics, as well as by extensive numerical simulations on randomly generated datasets. We further show that the proposed kernel exhibits effective learning on real data. The proposed QKM can be implemented in current neutral atom quantum computers.
• Abstract（参考訳）: 量子カーネル法(QKM)は、短期量子コンピュータ上での機械学習に魅力的なフレームワークを提供する。 しかし、QKMは指数関数的な集中に悩まされ、自明な(古典的にシミュラブルな)カーネルを除いて、カーネル値を解くために指数関数的な数の計測を必要とする。 ここでは指数集中のないQKMを提案するが、古典的なシミュレートは困難である。 我々のQKMは、コヒーレントに駆動される中性原子配列のリドベルク封鎖における弱いエルゴード性破壊多体ダイナミクスを利用する。 我々は,その量子力学の近似的玩具モデルを解析的に解くとともに,ランダムに生成されたデータセット上での広範囲な数値シミュレーションにより,QKMの基本的特性を実証する。 さらに,提案するカーネルが実データに対して効果的な学習を行うことを示す。 提案したQKMは、現在の中性原子量子コンピュータで実装できる。

関連論文リスト

• 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)
• QUACK: Quantum Aligned Centroid Kernel [0.0]
  本稿では、トレーニング中のサンプル数と時間複雑性を線形にスケールする量子カーネルアルゴリズムであるQUICKを紹介する。 提案アルゴリズムでは,MNIST などの高次元データセットを 784 個の特徴量で扱える。
  論文  参考訳（メタデータ） (2024-05-01T04:00:09Z)
• Quantum Dynamical Hamiltonian Monte Carlo [0.0]
  機械学習におけるユビキタスな問題は、ログの確率を通してのみアクセス可能な確率分布からサンプリングすることである。 我々は、チェインモンテカルロ(MCMC)サンプリングのための有名なハミルトンモンテカルロ法を拡張し、ハイブリッド方式で量子計算を利用する。
  論文  参考訳（メタデータ） (2024-03-04T07:08:23Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Deterministic and random features for large-scale quantum kernel machine [0.9404723842159504]
  提案した決定論的およびランダムな特徴を用いて量子カーネル法(QKM)をスケーラブルにすることができることを示す。 O(1,000) sim O(10,000)$トレーニングデータを含むデータセットを用いた数値実験は,本手法の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-09-05T13:22:34Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• Quantum simulation of open quantum systems in heavy-ion collisions [0.0]
  本稿では,量子コンピュータ上での高温・強結合クォークグルーオンプラズマ(QGP)における重クォークやジェットなどのハードプローブのダイナミクスをシミュレーションする枠組みを提案する。 我々の研究は、現在および短期量子デバイス上でのオープン量子システムをシミュレートできる可能性を示している。
  論文  参考訳（メタデータ） (2020-10-07T18:00:02Z)

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。