論文の概要: Quantum optical neural networks using atom-cavity interactions to provide all-optical nonlinearity

• arxiv url: http://arxiv.org/abs/2511.06167v1
• Date: Sun, 09 Nov 2025 00:11:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.789057
• Title: Quantum optical neural networks using atom-cavity interactions to provide all-optical nonlinearity
• Title（参考訳）: 全光非線形性を提供する原子空洞相互作用を用いた量子光学ニューラルネットワーク
• Authors: Chuanzhou Zhu, Tianyu Wang, Peter L. McMahon, Daniel Soh,
• Abstract要約: 本稿では,原子空洞ニューロンと光子吸収・放出を制御可能な量子光学ニューラルネットワーク(QONN)を提案する。 コンパクトなハードウェアと低消費電力のため、QONNはリアルタイム衛星センシングに有望なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 6.1610941441344815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical neural networks (ONNs) have been developed to enhance processing speed and energy efficiency in machine learning by leveraging optical devices for nonlinear activation and establishing connections among neurons. In this work, we propose a quantum optical neural network (QONN) that utilizes atom-cavity neurons with controllable photon absorption and emission. These quantum neurons are designed to replace the electronic components in ONNs, which typically introduce delays and substantial energy consumption during nonlinear activation. To evaluate the performance of the QONN, we apply it to the MNIST digit classification task, considering the effects of photon absorption duration, random atom-cavity detuning, and stochastic photon loss. Additionally, we introduce a convolutional QONN to facilitate a real-world satellite image classification (SAT-6) task. Due to its compact hardware and low power consumption, the QONN offers a promising solution for real-time satellite sensing, reducing communication bandwidth with ground stations and thereby enhancing data security.
• Abstract（参考訳）: 光ニューラルネットワーク(ONN)は、非線形活性化のための光学デバイスを活用し、ニューロン間の接続を確立することにより、機械学習における処理速度とエネルギー効率を向上させるために開発された。 本研究では,光子吸収と放出を制御可能な原子空洞ニューロンを用いた量子光学ニューラルネットワーク(QONN)を提案する。 これらの量子ニューロンは、通常非線形活性化中に遅延とかなりのエネルギー消費をもたらすONNの電子部品を置き換えるように設計されている。 QONNの性能を評価するために、光子吸収時間、ランダムな原子空洞変形、確率的な光子損失の影響を考慮して、MNIST桁分類タスクに適用する。 さらに、実世界の衛星画像分類(SAT-6)作業を容易にするための畳み込みQONNを導入する。 コンパクトなハードウェアと低消費電力のため、QONNはリアルタイム衛星センシングのための有望なソリューションを提供し、地上局との通信帯域を削減し、データセキュリティを向上させる。

関連論文リスト

• A spiking photonic neural network of 40.000 neurons, trained with rank-order coding for leveraging sparsity [0.2386578882591578]
  スパイキングニューラルネットワークは、生物学的ニューロンの特定の側面をエミュレートするニューロモルフィックシステムである。 このデモンストレーションはフォトニック非線形性、励起性、スパース計算を統合し、より効率的な大規模フォトニックニューロモルフィックシステムを実現する。
  論文  参考訳（メタデータ） (2024-11-28T15:28:30Z)
• All-optical modulation with single-photons using electron avalanche [66.27103948750306]
  シリコン中の電子雪崩による全光変調を実証する。 我々のアプローチは、ギガヘルツ速度と、さらに高速な光スイッチングの可能性を開く。
  論文  参考訳（メタデータ） (2023-12-18T20:14:15Z)
• Spatially Varying Nanophotonic Neural Networks [39.1303097259564]
  電子の代わりに光子を使った演算を実行するフォトニックプロセッサは、超低レイテンシと消費電力で光ニューラルネットワークを実現することを約束する。 既存の光学ニューラルネットワークは、基礎となるネットワーク設計によって制限されており、最先端の電子ニューラルネットワークよりもはるかに低い画像認識精度を実現している。
  論文  参考訳（メタデータ） (2023-08-07T08:48:46Z)
• Quantum-limited stochastic optical neural networks operating at a few quanta per activation [6.12660587056967]
  計算におけるエネルギー効率は最終的にノイズによって制限され、量子制限は基本的なノイズフロアを設定する。 我々は、各ニューロンを1つの光子で活性化できる限界において、最後の層を除くすべての層が作動する光学ニューラルネットワークについて研究する。 トレーニングにおけるニューロン活性化の物理モデルを用いて、極めて高いショットノイズにもかかわらず、正確な機械学習推論を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-07-28T17:59:46Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• All-Optical Nuclear Quantum Sensing using Nitrogen-Vacancy Centers in Diamond [52.77024349608834]
  マイクロ波または高周波駆動は、量子センサーの小型化、エネルギー効率、非侵襲性を著しく制限する。 我々は、コヒーレント量子センシングに対する純粋に光学的アプローチを示すことによって、この制限を克服する。 この結果から, 磁気学やジャイロスコープの応用において, 量子センサの小型化が期待できる。
  論文  参考訳（メタデータ） (2022-12-14T08:34:11Z)
• Optical Neural Ordinary Differential Equations [44.97261923694945]
  隠れ層の連続力学を光学的ODE解法でパラメータ化する光学的ニューラル常微分方程式(ON-ODE)アーキテクチャを提案する。 On-ODEは、PNNとフォトニックインテグレータと光フィードバックループとから構成されており、残留ニューラルネットワーク(ResNet)と、チップ領域占有率を効果的に低減したリカレントニューラルネットワークを表現するように構成できる。
  論文  参考訳（メタデータ） (2022-09-26T04:04:02Z)
• Event-based Video Reconstruction via Potential-assisted Spiking Neural Network [48.88510552931186]
  バイオインスパイアされたニューラルネットワークは、イベント駆動ハードウェア上での計算効率の向上につながる可能性がある。 完全スパイキングニューラルネットワーク(EVSNN)に基づくイベントベースビデオ再構成フレームワークを提案する。 スパイクニューロンは、そのような時間依存タスクを完了させるために有用な時間情報(メモリ)を格納する可能性がある。
  論文  参考訳（メタデータ） (2022-01-25T02:05:20Z)

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。