論文の概要: Quantum reservoir computing for predicting and characterizing chaotic maps

• arxiv url: http://arxiv.org/abs/2509.12071v1
• Date: Mon, 15 Sep 2025 15:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.382146
• Title: Quantum reservoir computing for predicting and characterizing chaotic maps
• Title（参考訳）: カオスマップの予測と特徴化のための量子貯水池計算
• Authors: Qingyu Li, Chiranjib Mukhopadhyay, Ludovico Minati, Abolfazl Bayat,
• Abstract要約: 量子貯水池コンピューティングは、時間データを効率的に処理するために量子システムを利用するための有望なパラダイムとして登場した。 離散非線形写像におけるカオス力学の予測と特徴付けのためのこのアプローチの能力を実証する。 その結果、複雑な力学系をモデリングするためのスケーラブルで耐雑音性の高いツールとして量子貯水池コンピューティングが注目されている。
• 参考スコア（独自算出の注目度）: 0.3966519779235704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum reservoir computing has emerged as a promising paradigm for harnessing quantum systems to process temporal data efficiently by bypassing the costly training of gradient-based learning methods. Here, we demonstrate the capability of this approach to predict and characterize chaotic dynamics in discrete nonlinear maps, exemplified through the logistic and H\'enon maps. While achieving excellent predictive accuracy, we also demonstrate the optimization of training hyperparameters of the quantum reservoir based on the properties of the underlying map, thus paving the way for efficient forecasting with other discrete and continuous time-series data. Furthermore, the framework exhibits robustness against decoherence when trained in situ and shows insensitivity to reservoir Hamiltonian variations. These results highlight quantum reservoir computing as a scalable and noise-resilient tool for modeling complex dynamical systems, with immediate applicability in near-term quantum hardware.
• Abstract（参考訳）: 量子貯水池コンピューティングは、勾配に基づく学習手法の費用のかかる訓練を回避し、時間的データを効率的に処理するための量子システムを活用するための有望なパラダイムとして登場した。 ここでは、離散非線形写像におけるカオス力学を予測し、特徴付けるこのアプローチの能力を実演し、ロジスティック写像とH'enon写像を通して実演する。 優れた予測精度を達成しつつ、基礎となるマップの特性に基づいて量子貯水池の過度パラメータのトレーニングを最適化し、他の離散的かつ連続的な時系列データによる効率的な予測方法を示す。 さらに、このフレームワークは、その場で訓練された場合のデコヒーレンスに対する堅牢性を示し、ハミルトン変量に対する感度を示す。 これらの結果は、量子ストレージコンピューティングを、短期量子ハードウェアに即時適用可能な、複雑な力学系をモデル化するためのスケーラブルで耐雑音性のあるツールとして強調する。

関連論文リスト

• Quantum-Informed Machine Learning for Predicting Spatiotemporal Chaos [1.5216516276847551]
  本稿では,高次元カオスシステムの長期動的挙動に対する量子インフォームド・機械学習(QIML)フレームワークを提案する。 本研究では, 倉本-シヴァシンスキー方程式, 2次元コルモゴロフ流, 完全に発達した3次元乱流流の断面の3つの代表系についてQIMLを評価する。
  論文  参考訳（メタデータ） (2025-07-26T08:36:16Z)
• 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)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Data-Driven Characterization of Latent Dynamics on Quantum Testbeds [0.23408308015481663]
  我々は、パラメータ化された元項でリンドブラッドマスター方程式によって記述された量子系の力学方程式を拡大する。 本稿では,線形演算子に基づいてパラメータ化された発散潜在力学からユニタリを学習し,区別する拡張を保存する構造について考察する。 我々は、我々の解釈、構造保存、非線形モデルがリンドブラッドマスター方程式の予測精度を向上させることを実証した。
  論文  参考訳（メタデータ） (2024-01-18T09:28:44Z)
• Data-driven Quantum Dynamical Embedding Method for Long-term Prediction on Near-term Quantum Computers [4.821462994335231]
  量子力学埋め込み(QDE)を用いた長期時系列予測のためのデータ駆動手法を提案する。 このアプローチにより、トレーニング可能なデータ空間の拡張状態空間への埋め込みが可能になる。 このモデルは、超伝導量子プロセッサのOrigin 'Wukong'に実装する。
  論文  参考訳（メタデータ） (2023-05-25T12:12:49Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Physical reservoir computing using finitely-sampled quantum systems [0.0]
  貯留層計算は物理貯水池の非線形力学を利用して複雑な時系列処理を行う。 ここでは、非線形量子貯水池を用いた連続測定による貯水池計算の枠組みについて述べる。
  論文  参考訳（メタデータ） (2021-10-26T16:46:14Z)
• 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)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。