論文の概要: Attributed-graphs kernel implementation using local detuning of neutral-atoms Rydberg Hamiltonian

• arxiv url: http://arxiv.org/abs/2509.09421v1
• Date: Thu, 11 Sep 2025 13:02:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.386654
• Title: Attributed-graphs kernel implementation using local detuning of neutral-atoms Rydberg Hamiltonian
• Title（参考訳）: 中性原子Rydberg Hamiltonianの局所デチューニングを用いた分散グラフカーネル実装
• Authors: Mehdi Djellabi, Matthias Hecker, Shaheen Acheche,
• Abstract要約: グラフ依存オブザーバブルの測定に依存する量子機能カーネルフレームワークを3方向に拡張する。 我々は、エッジ特徴を原子位置に埋め込み、ノード特徴をリドベルク・ハミルトニアン(Rydberg Hamiltonian)の局所デチューニング場に組み込むことにより、属性グラフを組み込むスキームを導入する。 局所観測値に基づくノード機能埋め込みとカーネル設計が、中性原子デバイス上で量子強化グラフ機械学習を前進させることを示す。
• 参考スコア（独自算出の注目度）: 0.6372261626436676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We extend the quantum-feature kernel framework, which relies on measurements of graph-dependent observables, along three directions. First, leveraging neutral-atom quantum processing units (QPUs), we introduce a scheme that incorporates attributed graphs by embedding edge features into atomic positions and node features into local detuning fields of a Rydberg Hamiltonian. We demonstrate both theoretically and empirically that local detuning enhances kernel expressiveness. Second, in addition to the existing quantum evolution kernel (QEK), which uses global observables, we propose the generalized-distance quantum-correlation (GDQC) kernel, based on local observables. While the two kernels show comparable performance, we show that GDQC can achieve higher expressiveness. Third, instead of restricting to observables at single time steps, we combine information from multiple stages of the quantum evolution via pooling operations. Using extensive simulations on two molecular benchmark datasets, MUTAG and PTC\_FM, we find: (a) QEK and GDQC perform competitively with leading classical algorithms; and (b) pooling further improves performance, enabling quantum-feature kernels to surpass classical baselines. These results show that node-feature embedding and kernel designs based on local observables advance quantum-enhanced graph machine learning on neutral-atom devices.
• Abstract（参考訳）: グラフ依存オブザーバブルの測定に依存する量子機能カーネルフレームワークを3方向に拡張する。 まず、中性原子量子処理ユニット(QPU)を活用し、エッジ特徴を原子位置に埋め込み、ノード特徴をリドベルク・ハミルトニアン(Rydberg Hamiltonian)の局所デチューニング場に埋め込むことにより、属性グラフを組み込むスキームを導入する。 局所デチューニングがカーネル表現性を高めることを理論的および実証的に示す。 次に,グローバルオブザーバブルを用いた既存の量子進化カーネル(QEK)に加えて,局所オブザーバブルに基づく一般化ディスタンス量子相関(GDQC)カーネルを提案する。 2つのカーネルは同等の性能を示すが、GDQCは高い表現性が得られることを示す。 第三に、単一ステップで観測可能なものに制限するのではなく、プール操作による量子進化の複数の段階からの情報を組み合わせる。 MUTAG と PTC\_FM という2つの分子ベンチマークデータセットの広範なシミュレーションにより、以下のことが分かる。 (a)QEKとGDQCは、先行する古典的アルゴリズムと競合して動作し、 b) プーリングにより性能が向上し、量子機能カーネルが古典的ベースラインを超えることができる。 これらの結果から,局所観測値に基づくノード機能埋め込みとカーネル設計により,中性原子デバイス上での量子強化グラフ機械学習が進展することが示唆された。

関連論文リスト

• Adaptive Non-local Observable on Quantum Neural Networks [10.617463958884528]
  量子回路のための適応的非局所測定フレームワークを提案する。 ハイゼンベルク像に着想を得て、VQC回転の最適化は観測可能な空間における軌道の追跡と一致することを示す。 非局所観測器と変分回転を適切に組み込むことで、量子ビット相互作用と情報混合が促進されることが示されている。
  論文  参考訳（メタデータ） (2025-04-18T02:20:12Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Quantum Kernel Machine Learning With Continuous Variables [0.0]
  量子カーネルを連続変数量子コンピューティングプラットフォームのための閉形式関数として表現する。 すべての核がガウス函数の積として表現され、特徴写像のパラメータの代数函数として表されることを示す。 我々は、GKP状態符号化のような無限星級数の特徴写像で定義されるカーネルを、有限星級数の特徴写像で定義されるカーネルによって任意に近似することができることを証明した。
  論文  参考訳（メタデータ） (2024-01-11T03:49:40Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• 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)
• State preparation and measurement in a quantum simulation of the O(3) sigma model [65.01359242860215]
  我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。 本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。 非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
  論文  参考訳（メタデータ） (2020-06-28T23:44:12Z)

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。