論文の概要: Spin-Network Quantum Reservoir Computing with Distributed Inputs: The Role of Entanglement
- arxiv url: http://arxiv.org/abs/2511.04900v1
- Date: Fri, 07 Nov 2025 01:02:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.63038
- Title: Spin-Network Quantum Reservoir Computing with Distributed Inputs: The Role of Entanglement
- Title（参考訳）: 分散入力を用いたスピンネットワーク量子貯留層計算 : 絡み合いの役割
- Authors: Sareh Askari, Youssef Kora, Christoph Simon,
- Abstract要約: 貯留層計算は有望なニューロモルフィックパラダイムであり、スピンネットワークを用いた量子実装は絡み合いが存在する場合にいくつかの利点を示している。
2つの異なる入力時系列をスピンネットワーク貯水池の別のキュービットに注入する分散シナリオを考察する。
システム全体の絡み合いとシステム内の局在が貯水池の性能に与える影響について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reservoir computing is a promising neuromorphic paradigm, and its quantum implementation using spin networks has shown some advantage when entanglement is present. Here, we consider a distributed scenario in which two distinct input time series are injected into separate qubits of a spin-network reservoir. We investigate how the overall entanglement, as well as its localization in the system, influence the performance of the reservoir. Focusing on bilinear memory tasks that require computing the product of the two inputs, we evaluate the short-term memory capacity and correlate it with logarithmic negativity as a measure of bipartite entanglement. We find that short-term memory capacity reaches its maximum at relatively small coupling strengths. In contrast, average entanglement peaks at larger couplings. Analyzing entanglement across all bipartitions, we find that the entanglement between the two input qubits is consistently the strongest and most relevant for task performance. In the small coupling strength regime where the short-term memory capacity is maximized, the reservoir exhibits an extended memory tail: performance remains high for a long time. Finally, a pronounced dip in performance at zero time delay, observed across frequencies, indicates that information requires a finite propagation time through the reservoir before it can be effectively recalled. In summary, our results show that moderate entanglement, particularly between the two input qubits, plays a key role in enhancing short-term memory performance.
- Abstract（参考訳）: 貯留層計算は有望なニューロモルフィックパラダイムであり、スピンネットワークを用いた量子実装は絡み合いが存在する場合にいくつかの利点を示している。
本稿では、2つの異なる入力時系列をスピンネットワーク貯水池の別のキュービットに注入する分散シナリオについて考察する。
システム全体の絡み合いとシステム内の局在が貯水池の性能に与える影響について検討する。
2つの入力の積の計算を必要とする双線形メモリタスクに着目して、短期記憶能力を評価し、二部交絡の尺度として対数ネガティビティと相関する。
短期記憶能力は比較的小さな結合強度で最大値に達することが判明した。
対照的に、平均的絡み合いはより大きな結合でピークに達する。
両分割間の絡み合いを解析した結果、2つの入力量子ビット間の絡み合いは、タスク性能において一貫して最も強く、最も関係があることがわかった。
短期記憶能力が最大化される小さな結合強度状態において、貯水池は長期にわたって高い性能を保ちながら、拡張されたメモリテールを示す。
最後に、周波数にわたって観測されるゼロ時間遅延時の顕著な性能低下は、情報を効果的にリコールする前に貯水池を通して有限な伝搬時間を必要とすることを示している。
以上の結果から,特に2つの入力量子ビット間の中間的絡み合いが,短期記憶性能の向上に重要な役割を担っていることが示唆された。
関連論文リスト
- Role of scrambling and noise in temporal information processing with quantum systems [1.3140209441982318]
時相情報処理のための効果的な基板として、スクランブル量子系が注目されている。
量子システムを用いて、幅広い物理計算モデルをキャプチャする量子貯水池処理フレームワークについて検討する。
論文 参考訳（メタデータ） (2025-05-15T08:35:10Z) - Reservoir Computing for Fast, Simplified Reinforcement Learning on Memory Tasks [0.0]
貯留層計算はメモリタスクの強化学習を大幅に単純化し、高速化する。
特に、これらの発見は、主に効率的で汎用的なメモリシステムに依存するメタラーニングに大きな恩恵をもたらす。
論文 参考訳（メタデータ） (2024-12-17T17:02:06Z) - Frequency- and dissipation-dependent entanglement advantage in spin-network Quantum Reservoir Computing [0.686758336057631]
線形および非線形メモリタスクにおける量子貯水池計算(QRC)のためのIsingスピンネットワークの性能について検討する。
量子絡み合いにより、スピンネットワーク量子貯水池はより多くの時間的特徴を記憶することができる。
論文 参考訳（メタデータ） (2024-03-13T23:32:14Z) - Enhancing Dispersive Readout of Superconducting Qubits Through Dynamic
Control of the Dispersive Shift: Experiment and Theory [47.00474212574662]
超伝導量子ビットは、大帯域読み出し共振器に結合される。
我々は、100 ns 統合時間で 0.25,% の、最先端の2状態読み取りエラーを示す。
提案した結果により,新たなアルゴリズムやプロトコルの性能がさらに向上することが期待されている。
論文 参考訳（メタデータ） (2023-07-15T10:30:10Z) - Entanglement Distribution in Quantum Repeater with Purification and
Optimized Buffer Time [53.56179714852967]
バッファ時間に最適化された量子リピータを用いた絡み合い分布について検討する。
終端ノードにおけるメモリ数の増加は、メモリ当たりの絡み合いの分布率を高めることを観察する。
しかし、不完全な操作を考慮すると、メモリ単位の絡み合いが記憶数の増加とともに減少するという驚くべき観察がなされる。
論文 参考訳（メタデータ） (2023-05-23T23:23:34Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - Efficient Global-Local Memory for Real-time Instrument Segmentation of
Robotic Surgical Video [53.14186293442669]
手術器具の知覚における重要な手がかりとして,隣接するフレームからの局所的時間依存性と,長距離における大域的意味的相関があげられる。
本稿では,グローバルとローカルの両方の時間的知識を関連付ける新しいデュアルメモリネットワーク(DMNet)を提案する。
本手法は,実時間速度を維持しながらセグメント化精度を向上する手法である。
論文 参考訳（メタデータ） (2021-09-28T10:10:14Z) - Temporal Memory Relation Network for Workflow Recognition from Surgical
Video [53.20825496640025]
本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。
我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
論文 参考訳（メタデータ） (2021-03-30T13:20:26Z) - Exploiting Multiple Timescales in Hierarchical Echo State Networks [0.0]
エコー状態ネットワーク(ESN)は、線形出力重みのトレーニングのみを必要とする貯水池コンピューティングの強力な形態である。
ここでは,貯水池を2つの小さな貯水池に分割した階層型esnの時間スケールを考察する。
論文 参考訳（メタデータ） (2021-01-11T22:33:17Z) - Continuous and time-discrete non-Markovian system-reservoir
interactions: Dissipative coherent quantum feedback in Liouville space [62.997667081978825]
2つの構造型貯水池に同時に露出する量子系について検討する。
対角線と対角線と外対角線の両方の貯留層相互作用を2倍のメモリと組み合わせた数値的精度の擬似2次元テンソルネットワークを用いて連続的および離散的遅延効果を示す。
例えば、離散フォトニックフィードバックと構造された音響フォノノノビアンモードの非マルコフ的相互作用を考察し、初期励起された2レベルシステム内での貯留層間相関と長寿命個体群トラップの出現を導いた。
論文 参考訳（メタデータ） (2020-11-10T12:38:35Z)
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。