論文の概要: Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learnin

• arxiv url: http://arxiv.org/abs/2510.13473v1
• Date: Wed, 15 Oct 2025 12:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.663624
• Title: Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learnin
• Title（参考訳）: Rydberg Reservoir Learnin による量子的対向ロバスト性向上に向けて
• Authors: Shehbaz Tariq, Muhammad Talha, Symeon Chatzinotas, Hyundong Shin,
• Abstract要約: 量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変分回路に基づく量子回路は、逆数の影響を受けやすいことが示されている。 本研究では,QRCに基づく学習モデルにおいて,対向ロバスト性の最初の体系的評価について検討する。
• 参考スコア（独自算出の注目度）: 45.92935470813908
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum reservoir computing (QRC) leverages the high-dimensional, nonlinear dynamics inherent in quantum many-body systems for extracting spatiotemporal patterns in sequential and time-series data with minimal training overhead. Although QRC inherits the expressive capabilities associated with quantum encodings, recent studies indicate that quantum classifiers based on variational circuits remain susceptible to adversarial perturbations. In this perspective, we investigate the first systematic evaluation of adversarial robustness in a QRC based learning model. Our reservoir comprises an array of strongly interacting Rydberg atoms governed by a fixed Hamiltonian, which naturally evolves under complex quantum dynamics, producing high-dimensional embeddings. A lightweight multilayer perceptron serves as the trainable readout layer. We utilize the balanced datasets, namely MNIST, Fashion-MNIST, and Kuzushiji-MNIST, as a benchmark for rigorously evaluating the impact of augmenting the quantum reservoir with a Multilayer perceptron (MLP) in white-box adversarial attacks to assess its robustness. We demonstrate that this approach yields significantly higher accuracy than purely classical models across all perturbation strengths tested. This hybrid approach reveals a new source of quantum advantage and
• Abstract（参考訳）: 量子貯水池計算(QRC)は、量子多体システムに固有の高次元非線形力学を利用して、トレーニングオーバーヘッドを最小限に抑えた逐次および時系列データの時空間パターンを抽出する。 QRCは量子符号化に関連する表現能力を引き継いでいるが、近年の研究により、変分回路に基づく量子分類器は相反する摂動の影響を受けやすいことが示されている。 そこで本研究では,QRCに基づく学習モデルにおいて,対向ロバスト性の最初の体系的評価について検討する。 我々の貯水池は、固定ハミルトニアンによって支配される強い相互作用を持つリドバーグ原子の配列で構成されており、これは自然に複雑な量子力学の下で進化し、高次元の埋め込みを生成する。 軽量多層パーセプトロンは、トレーニング可能な読み出し層として機能する。 我々は、MNIST、Fashion-MNIST、Kuzushiji-MNISTといったバランスの取れたデータセットを、その堅牢性を評価するために、ホワイトボックスの敵攻撃において多層パーセプトロン(MLP)を用いて量子貯水池の拡張効果を厳格に評価するベンチマークとして利用する。 提案手法は,全ての摂動強度に対して,純粋に古典的なモデルよりも高い精度が得られることを示す。 このハイブリッドアプローチは、新しい量子優位性の源を明らかにする

関連論文リスト

• Digitized Counterdiabatic Quantum Feature Extraction [35.670314643295036]
  そこで本研究では,ハミルトニアンの局所多体スピンのダイナミクスを用いて,複素特徴量を生成するハミルトン型量子特徴抽出法を提案する。 分子毒性分類と画像認識を含む高次元実世界のデータセットに対するアプローチを評価する。 その結果、量子的特徴抽出と古典的特徴抽出を組み合わせることで、さまざまな機械学習タスク間で一貫した改善が得られることが示唆された。
  論文  参考訳（メタデータ） (2025-10-15T17:59:35Z)
• Adapting Quantum Machine Learning for Energy Dissociation of Bonds [6.247064060111601]
  ボンドエネルギー予測のための量子および古典的機械学習モデルの比較ベンチマークを示す。 トップパフォーマンス量子モデル(QCNN, QRF)は、古典的なアンサンブルやディープネットワークの予測精度と堅牢性に一致する。
  論文  参考訳（メタデータ） (2025-10-08T01:32:26Z)
• 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)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• 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)
• Characterizing Non-Markovian Dynamics of Open Quantum Systems [0.0]
  我々はTCLマスター方程式を用いて非マルコフ進化を特徴付ける構造保存手法を開発した。 本稿では,ローレンス・リバモア国立研究所のQuantum Device Integration Testbed (QuDIT) における超伝導量子ビットの実験データを用いた手法について述べる。 これらの知見は、短期量子プロセッサにおける量子制御とエラー軽減に寄与する、オープン量子システムの効率的なモデリング戦略に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-03-28T04:43:24Z)
• Hybrid Quantum Neural Networks with Variational Quantum Regressor for Enhancing QSPR Modeling of CO2-Capturing Amine [0.9968037829925945]
  我々は,CO2捕捉アミンの構造-適合関係モデルを改善するために,ハイブリッド量子ニューラルネットワーク(HQNN)を開発した。 HQNNは、塩基性、粘性、沸点、融点、蒸気圧などの主要な溶媒特性の予測精度を向上させる。
  論文  参考訳（メタデータ） (2025-03-01T07:26:45Z)
• GQHAN: A Grover-inspired Quantum Hard Attention Network [53.96779043113156]
  GQHAM(Grover-inspired Quantum Hard Attention Mechanism)を提案する。 GQHANは、既存の量子ソフト自己保持機構の有効性を超越して、非微分可能性ハードルをかなり上回っている。 GQHANの提案は、将来の量子コンピュータが大規模データを処理する基盤を築き、量子コンピュータビジョンの開発を促進するものである。
  論文  参考訳（メタデータ） (2024-01-25T11:11:16Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• Quantum Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
  論文は、非平衡状態における強相関量子系の量子力学に関するものである。 本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
  論文  参考訳（メタデータ） (2020-07-23T19:05:56Z)

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。