論文の概要: Photonic implementation of quantum hidden subgroup database compression

• arxiv url: http://arxiv.org/abs/2511.02527v1
• Date: Tue, 04 Nov 2025 12:26:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.98735
• Title: Photonic implementation of quantum hidden subgroup database compression
• Title（参考訳）: 量子隠れサブグループデータベース圧縮のフォトニック実装
• Authors: Qianyi Wang, Feiyang Liu, Teng Hu, Kwok Ho Wan, Jie Xie, M. S. Kim, Huangqiuchen Wang, Lijian Zhang, Oscar Dahlsten,
• Abstract要約: フォトニック量子プロセッサを用いた隠れサブグループ対称性を利用した量子データ圧縮を実証する。 我々は、構造データから対称性型と一般化周期の両方を自律的に学習する変分量子オートエンコーダを実装した。 パラメタライズされた一般化フーリエ変換とシモン対称性の制約の少ないアーキテクチャの2つの回路アンサーゼを実証する。
• 参考スコア（独自算出の注目度）: 10.537532206410466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We experimentally demonstrate quantum data compression exploiting hidden subgroup symmetries using a photonic quantum processor. Classical databases containing generalized periodicities-symmetries that are in the worst cases inefficient for known classical algorithms to be detect-can efficiently compressed by quantum hidden subgroup algorithms. We implement a variational quantum autoencoder that autonomously learns both the symmetry type (e.g., $\mathbb{Z}_2 \times \mathbb{Z}_2$ vs. $\mathbb{Z}_4$) and the generalized period from structured data. The system uses single photons encoded in path, polarization, and time-bin degrees of freedom, with electronically controlled waveplates enabling tunable quantum gates. Training via gradient descent successfully identifies the hidden symmetry structure, achieving compression by eliminating redundant database entries. We demonstrate two circuit ansatzes: a parametrized generalized Fourier transform and a less-restricted architecture for Simon's symmetry. Both converge successfully, with the cost function approaching zero as training proceeds. These results provide experimental proof-of-principle that photonic quantum computers can compress classical databases by learning symmetries inaccessible to known efficient classical methods, opening pathways for quantum-enhanced information processing.
• Abstract（参考訳）: フォトニック量子プロセッサを用いて隠れた部分群対称性を利用した量子データ圧縮を実験的に実証する。 一般化周期性-対称性を含む古典的データベースは、既知の古典的アルゴリズムが量子隠れサブグループアルゴリズムによって効率的に圧縮されるのに非効率的である。 我々は、対称性型(例えば、$\mathbb{Z}_2 \times \mathbb{Z}_2$ vs. $\mathbb{Z}_4$)と構造化データから一般化周期の両方を自律的に学習する変分量子オートエンコーダを実装した。 このシステムは、経路、偏光、時間ビン自由度で符号化された単一の光子を使い、電子的に制御されたウェーブプレートで量子ゲートを調整できる。 勾配降下によるトレーニングは隠れ対称性構造をうまく識別し、冗長なデータベースエントリを排除して圧縮を達成する。 パラメタライズされた一般化フーリエ変換とシモン対称性の制約の少ないアーキテクチャの2つの回路アンサーゼを実証する。 どちらもうまく収束し、訓練が進むにつれてコスト関数はゼロに近づく。 これらの結果は、フォトニック量子コンピュータが既知の効率的な古典的手法に到達できない対称性を学習し、量子化された情報処理の経路を開くことによって、古典的データベースを圧縮できることを実験的に証明する。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Information compression via hidden subgroup quantum autoencoders [5.502955304070116]
  隠れサブグループ型の既知対称性を持つデータベースにおけるシーケンスデータについて検討する。 与えられた群構造を持つデータは、隠れた部分群問題と同じクエリ複雑性で圧縮可能であることを証明した。 我々は、群構造を変動的に見つける量子アルゴリズムを設計し、それを用いてデータを圧縮する。
  論文  参考訳（メタデータ） (2023-06-13T18:06:19Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Universal quantum computation with symmetric qubit clusters coupled to an environment [0.3670422696827526]
  そこで我々は,量子計算トランジスタ,クェンシスタの役割をコアが担う,普遍量子計算のためのスケーラブルなスキームを提案する。 我々は、量子誤差をデコヒーレンスの主源として含み、対称性が特に非等方的量子ビット回転に弾力性を与えることを示す。 この結果の多くは、高レベルのオメガ回転不変系に一般化したり、他の対称性を持つクラスターに適応することができる。
  論文  参考訳（メタデータ） (2021-06-01T19:59:41Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Fast optimization of parametrized quantum optical circuits [0.0]
  パラメタライズド量子光学回路は、量子情報のキャリアが光子であり、ゲートが光変換される量子回路の一種である。 ガウス作用素の正確な行列要素とその勾配を計算するアルゴリズムを提案する。 量子光学ハードウェアの研究、量子機械学習、光学データ処理、デバイス発見、デバイス設計に応用する。
  論文  参考訳（メタデータ） (2020-04-23T07:02:45Z)

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。