論文の概要: Quantum reservoir computing using Jaynes-Cummings model

• arxiv url: http://arxiv.org/abs/2510.00171v1
• Date: Tue, 30 Sep 2025 18:46:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.20556
• Title: Quantum reservoir computing using Jaynes-Cummings model
• Title（参考訳）: Jaynes-Cummingsモデルを用いた量子貯水池計算
• Authors: Sreetama Das, Gian Luca Giorgi, Roberta Zambrini,
• Abstract要約: 我々は、Jaynes-Cummings (JC) Hamiltonianとその分散限界(DJC)によって記述されたハイブリッド量子ボソンシステムを用いた量子貯水池計算について検討する。 これらのモデルは高次元ヒルベルト空間と固有非線形力学を提供し、時間情報処理のための強力な基板となる。 線形メモリタスクと非線形メモリタスクで両貯水池をベンチマークし、非線形メモリ容量よりも異常に優れた非線形メモリ容量を示すことを示した。
• 参考スコア（独自算出の注目度）: 0.6308539010172308
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate quantum reservoir computing (QRC) using a hybrid qubit-boson system described by the Jaynes-Cummings (JC) Hamiltonian and its dispersive limit (DJC). These models provide high-dimensional Hilbert spaces and intrinsic nonlinear dynamics, making them powerful substrates for temporal information processing. We systematically benchmark both reservoirs through linear and nonlinear memory tasks, demonstrating that they exhibit an unusual superior nonlinear over linear memory capacity. We further test their predictive performance on the Mackey-Glass time series, a widely used benchmark for chaotic dynamics and show comparable forecasting ability. We also investigate how memory and prediction accuracy vary with reservoir parameters, and show the role of higher-order bosonic observables and time multiplexing in enhancing expressivity, even in minimal spin-boson configurations. Our results establish JC- and DJC-based reservoirs as versatile platforms for time-series processing and as elementary units that overcome the setting of equivalent qubit pairs and offer pathways towards tunable, high-performance quantum machine learning architectures.
• Abstract（参考訳）: 本稿では,Jaynes-Cummings (JC) Hamiltonian と分散限界 (DJC) によって記述されたハイブリッド・キュービット・ボソンシステムを用いて量子貯水池計算 (QRC) について検討する。 これらのモデルは高次元ヒルベルト空間と固有非線形力学を提供し、時間情報処理のための強力な基板となる。 線形メモリタスクと非線形メモリタスクによって両貯水池を系統的にベンチマークし、線形メモリ容量よりも異常に優れた非線形メモリ容量を示すことを示した。 さらに、カオス力学のベンチマークとして広く使われているMackey-Glass 時系列において、それらの予測性能を検証し、同等の予測能力を示す。 また, 記憶と予測精度が貯水池パラメータとどのように異なるかを検討した。また, 極小スピンボソン構成においても, 高次ボソニックオブザーバと時間多重化が表現性の向上に果たす役割を示す。 本研究は,JC-およびDJC-ベースの貯水池を,等価量子ビット対の設定を克服し,可変かつ高性能な量子機械学習アーキテクチャへの経路を提供する基本単位として,時系列処理のための汎用プラットフォームとして確立した。

関連論文リスト

• Quantum reservoir computing for predicting and characterizing chaotic maps [0.3966519779235704]
  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。
  論文  参考訳（メタデータ） (2025-09-15T15:55:59Z)
• Forecasting Low-Dimensional Turbulence via Multi-Dimensional Hybrid Quantum Reservoir Computing [0.0]
  量子進化と古典的メモリ拡張を組み合わせた多変量時系列処理が可能なハイブリッド量子古典型貯水池アーキテクチャを提案する。 この枠組みを流体力学におけるカオス的挙動の2つのパラダイムモデルに適用する。 両方の力学系の堅牢性と信頼性は、このハイブリッド量子アプローチが複雑な非線形時系列をモデル化するための柔軟なプラットフォームを提供することを示している。
  論文  参考訳（メタデータ） (2025-09-04T08:37:48Z)
• Quantum-Optimized Selective State Space Model for Efficient Time Series Prediction [39.146761527401424]
  本稿では、状態空間のダイナミクスと変分量子ゲートを統合するハイブリッド量子最適化手法を提案する。 我々は、広く使われている3つのベンチマーク(ETT、トラフィック、為替レート)で、Q-SSMを実証的に検証する。 その結果,Q-SSMは強いベースラインよりも一貫して改善されていることがわかった。
  論文  参考訳（メタデータ） (2025-08-29T22:00:48Z)
• The Role of Entanglement in Quantum Reservoir Computing with Coupled Kerr Nonlinear Oscillators [0.5999777817331317]
  エンタングルメントは入力周波数の平均値からしきい値までの計算上の優位性を示すことを示す。 これらの知見は、高性能で効率的な量子機械学習と時系列予測のための量子貯水池のより広範な理解に寄与する。
  論文  参考訳（メタデータ） (2025-08-15T02:59:02Z)
• Hybrid quantum-classical algorithm for near-optimal planning in POMDPs [39.682133213072554]
  強化学習(Reinforcement Learning, RL)は、部分的に観察可能な環境における意思決定のための原則的な枠組みを提供する。 近年の進歩は、振幅増幅と組み合わせた量子リジェクションサンプリングにより、スパースベイズネットワークでの推論を加速できることを実証している。 本稿では,量子ベイズ強化学習(Quantum Bayesian Reinforcement Learning, QBRL)を紹介する。
  論文  参考訳（メタデータ） (2025-07-24T17:42:30Z)
• Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
  量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。 既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。 我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
  論文  参考訳（メタデータ） (2025-07-09T15:22:17Z)
• 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)
• Klotski: Efficient Mixture-of-Expert Inference via Expert-Aware Multi-Batch Pipeline [39.52960562420227]
  混合専門家(MoE)は、計算コストを大幅に増加させることなく、数兆のパラメータまで言語モデルのスケーリングを可能にする。 オフロード技術は、メモリをCPUとディスクから利用し、I/Oと計算を並列化する。 Klotskiは、新しいエキスパート対応マルチバッチパイプラインパラダイムを通じて、パイプラインバブルを著しく低減する効率的なMoE推論エンジンである。
  論文  参考訳（メタデータ） (2025-02-09T08:47:06Z)
• Memory-Augmented Hybrid Quantum Reservoir Computing [0.0]
  本稿では、量子計測の古典的後処理を通じてメモリを実装するハイブリッド量子古典的アプローチを提案する。 我々は、完全に連結されたIsingモデルとRydberg原子配列の2つの物理プラットフォーム上でモデルをテストした。
  論文  参考訳（メタデータ） (2024-09-15T22:44:09Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)

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。