論文の概要: Modeling and benchmarking quantum optical neurons for efficient neural computation
- arxiv url: http://arxiv.org/abs/2509.01784v1
- Date: Mon, 01 Sep 2025 21:30:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.841576
- Title: Modeling and benchmarking quantum optical neurons for efficient neural computation
- Title（参考訳）: 効率的なニューラル計算のための量子光学ニューロンのモデリングとベンチマーク
- Authors: Andrea Andrisani, Gennaro Vessio, Fabrizio Sgobba, Francesco Di Lena, Luigi Amato Santamaria, Giovanna Castellano,
- Abstract要約: 量子光ニューロン(QON)は、光干渉を利用して神経操作を行う有望な計算単位として出現している。
本稿では,香港・ウー・マンデル (HOM) とマッハ・ツェンダー (MZ) の干渉計に基づくQONアーキテクチャのファミリを紹介し,異なる光子変調戦略を取り入れた。
我々は、これらのQONを分離および多層ネットワークのビルディングブロックとして評価し、バイナリおよびマルチクラス画像分類タスクでトレーニングする。
- 参考スコア（独自算出の注目度）: 7.353780961304017
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum optical neurons (QONs) are emerging as promising computational units that leverage photonic interference to perform neural operations in an energy-efficient and physically grounded manner. Building on recent theoretical proposals, we introduce a family of QON architectures based on Hong-Ou-Mandel (HOM) and Mach-Zehnder (MZ) interferometers, incorporating different photon modulation strategies -- phase, amplitude, and intensity. These physical setups yield distinct pre-activation functions, which we implement as fully differentiable modules in software. We evaluate these QONs both in isolation and as building blocks of multilayer networks, training them on binary and multiclass image classification tasks using the MNIST and FashionMNIST datasets. Our experiments show that two configurations -- HOM-based amplitude modulation and MZ-based phase-shifted modulation -- achieve performance comparable to that of classical neurons in several settings, and in some cases exhibit faster or more stable convergence. In contrast, intensity-based encodings display greater sensitivity to distributional shifts and training instabilities. These results highlight the potential of QONs as efficient and scalable components for future quantum-inspired neural architectures and hybrid photonic-electronic systems.
- Abstract（参考訳）: 量子光ニューロン(QON)は、光干渉を利用してエネルギー効率が高く物理的に接地された方法で神経操作を行う有望な計算単位として出現している。
近年の理論的提案に基づき, 位相, 振幅, 強度の異なる光子変調戦略を取り入れたHong-Ou-Mandel (HOM) およびMach-Zehnder (MZ) 干渉計に基づくQONアーキテクチャのファミリを導入する。
これらの物理的な設定は、ソフトウェアで完全に微分可能なモジュールとして実装される、異なる事前活性化関数をもたらす。
MNIST と FashionMNIST のデータセットを用いて,これらの QON を分離および多層ネットワークの構築ブロックとして評価し,バイナリおよびマルチクラス画像分類タスクで学習する。
実験の結果,HOMをベースとした振幅変調とMZをベースとした位相変調という2つの構成は,古典ニューロンに匹敵する性能を示し,場合によってはより高速あるいはより安定な収束を示す。
対照的に、強度に基づく符号化では、分布シフトやトレーニング不安定性に対する感度が向上している。
これらの結果は、将来の量子インスピレーションされたニューラルアーキテクチャとハイブリッドフォトニック-エレクトロニクスシステムのための効率的でスケーラブルなコンポーネントとしてのQONの可能性を強調している。
関連論文リスト
- Enhanced image classification via hybridizing quantum dynamics with classical neural networks [0.0]
本稿では,古典的ニューラルネットワークと量子多体系の非平衡力学を組み合わせたハイブリッドプロトコルを提案する。
このアーキテクチャは、古典的なニューラルネットワークを活用して、高次元データを効率的に処理し、量子多体システム上で効果的にエンコードする。
論文 参考訳（メタデータ） (2025-07-18T00:15:14Z) - Neural Quantum Digital Twins for Optimizing Quantum Annealing [2.8579459256051316]
量子多体系のエネルギー景観を再構築するニューラル量子ディジタルツイン(NQDT)フレームワークを提案する。
NQDTは量子臨界性や相転移を含む重要な量子現象を正確に捉えている。
論文 参考訳（メタデータ） (2025-05-21T15:38:55Z) - Photonic Quantum Convolutional Neural Networks with Adaptive State Injection [0.39928148142956393]
我々は、状態注入を備えた粒子数保存回路に基づいて、最初のフォトニック量子畳み込みニューラルネットワーク(PQCNN)を設計、実験的に実装した。
半導体量子ドットを用いた単一光子源を用いたフォトニックプラットフォーム上でのバイナリ画像分類のためのPQCNNを実験的に検証した。
短期量子デバイスと互換性のある非線形ボソンサンプリングタスクに対する単純な適応手法の可能性を強調した。
論文 参考訳（メタデータ） (2025-04-29T17:57:01Z) - Quantum Generative Models for Image Generation: Insights from MNIST and MedMNIST [0.0]
本稿では,固有量子発生雑音と調整ノイズスケジューリング機構の2つの新しいノイズ戦略を紹介する。
我々は,MNISTデータセットとMedMNISTデータセットのモデル評価を行い,その実現可能性と性能について検討した。
論文 参考訳（メタデータ） (2025-03-30T06:36:22Z) - Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。
スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。
分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。
本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
論文 参考訳（メタデータ） (2024-11-07T14:08:35Z) - Quantum Electrodynamics Coupled-Cluster Theory: Exploring Photon-Induced Electron Correlations [0.1666604949258699]
単一励起と二重励起を併用した量子電気力学結合クラスタ法の実装に成功した。
理論的基礎、アルゴリズムの詳細、数値ベンチマークについて論じ、ボゾン自由度の統合が電子基底状態をどのように変化させるかを示す。
論文 参考訳（メタデータ） (2024-09-10T20:48:47Z) - Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。
量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
論文 参考訳（メタデータ） (2024-02-25T16:57:51Z) - 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) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - Tunable photon-mediated interactions between spin-1 systems [68.8204255655161]
我々は、光子を媒介とする効果的なスピン-1系間の相互作用に、光遷移を持つマルチレベルエミッタを利用する方法を示す。
本結果は,空洞QEDおよび量子ナノフォトニクス装置で利用可能な量子シミュレーションツールボックスを拡張した。
論文 参考訳（メタデータ） (2022-06-03T14:52:34Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2021-03-04T18:21:00Z)
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。