論文の概要: Time-series forecasting with multiphoton quantum states and integrated photonics
- arxiv url: http://arxiv.org/abs/2512.02928v1
- Date: Tue, 02 Dec 2025 16:51:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-03 21:04:45.97151
- Title: Time-series forecasting with multiphoton quantum states and integrated photonics
- Title（参考訳）: 多光子量子状態と集積フォトニクスによる時系列予測
- Authors: Rosario Di Bartolo, Simone Piacentini, Francesco Ceccarelli, Giacomo Corrielli, Roberto Osellame, Valeria Cimini, Fabio Sciarrino,
- Abstract要約: 我々は、再構成可能な線形光集積フォトニック回路によって情報を処理できる量子貯水池計算プロトコルを実装した。
我々は、入力信号が回路の光位相の1つに符号化される様々なシナリオにおいて、時系列予測タスクにマルチフォトンベースの設定を利用する。
本研究では,2光子区別不能な入力状態が,識別可能な入力状態に比べて著しく性能が向上することを示す。
- 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: Quantum machine learning algorithms have very recently attracted significant attention in photonic platforms. In particular, reconfigurable integrated photonic circuits offer a promising route, thanks to the possibility of implementing adaptive feedback loops, which is an essential ingredient for achieving the necessary nonlinear behavior characteristic of neural networks. Here, we implement a quantum reservoir computing protocol in which information is processed through a reconfigurable linear optical integrated photonic circuit and measured using single-photon detectors. We exploit a multiphoton-based setup for time-series forecasting tasks in a variety of scenarios, where the input signal is encoded in one of the circuit's optical phases, thus modulating the quantum reservoir state. The resulting output probabilities are used to set the feedback phases and, at the end of the computation, are fed to a classical digital layer trained via linear regression to perform predictions. We then focus on the investigation of the role of input photon indistinguishability in the reservoir's capabilities of predicting time-series. We experimentally demonstrate that two-photon indistinguishable input states lead to significantly better performance compared to distinguishable ones. This enhancement arises from the quantum correlations present in indistinguishable states, which enable the system to approximate higher-order nonlinear functions when using comparable physical resources, highlighting the importance of quantum interference and indistinguishability as a resource in photonic quantum reservoir computing.
- Abstract（参考訳）: 量子機械学習アルゴリズムは、最近、フォトニックプラットフォームにおいて大きな注目を集めている。
特に、再構成可能な集積フォトニック回路は、ニューラルネットワークに必要な非線形挙動特性を達成するための重要な要素である適応フィードバックループを実装するため、有望な経路を提供する。
本稿では,再構成可能な線形光集積フォトニック回路を用いて情報を処理し,単一光子検出器を用いて測定する量子貯水池計算プロトコルを実装した。
我々は、入力信号が回路の光相の1つに符号化される様々なシナリオにおいて、時系列予測タスクにマルチフォトンベースの設定を利用し、量子貯蓄状態を変調する。
結果の出力確率はフィードバックフェーズを設定するために使用され、計算の最後に線形回帰によって訓練された古典的なデジタル層に供給され、予測を行う。
次に, 貯水池の時系列予測能力における入力光子不明瞭性の役割の解明に焦点をあてる。
本研究では,2光子区別不能な入力状態が,識別可能な入力状態に比べて著しく性能が向上することを示す。
この拡張は、区別不可能な状態に存在する量子相関から生じ、このシステムは、同等の物理資源を使用する際に高次非線形関数を近似することができ、フォトニック量子貯水池計算の資源としての量子干渉と区別不能の重要性を強調している。
関連論文リスト
- 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) - Photonic Quantum Convolutional Neural Networks with Adaptive State Injection [0.39928148142956393]
我々は、状態注入を備えた粒子数保存回路に基づいて、最初のフォトニック量子畳み込みニューラルネットワーク(PQCNN)を設計、実験的に実装した。
半導体量子ドットを用いた単一光子源を用いたフォトニックプラットフォーム上でのバイナリ画像分類のためのPQCNNを実験的に検証した。
短期量子デバイスと互換性のある非線形ボソンサンプリングタスクに対する単純な適応手法の可能性を強調した。
論文 参考訳（メタデータ） (2025-04-29T17:57:01Z) - Photonic Quantum Receiver Attaining the Helstrom Bound [0.9674145073701151]
本稿では,二元コヒーレント状態の識別のために,低光子状態におけるヘルストローム境界を達成する量子受信機の効率的な分解手法を提案する。
我々は、暗黒数の存在を含む光子損失と不完全な光子検出の影響を調べることによって、現実的な状況を説明する。
提案手法は,光通信におけるシンボル・バイ・シンボル計測を最適化するために,立方相ゲートを用いた量子上の優位性を検証し,フォトニック量子コンピュータを設計する。
論文 参考訳（メタデータ） (2024-10-29T07:08:39Z) - 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) - Demonstration of Lossy Linear Transformations and Two-Photon Interference on a Photonic Chip [78.1768579844556]
補助導波路を用いた工学的損失は,空間統計を束縛から反膨らみに逆転させることが可能であることを示す。
我々は、損失エミュレーションチャネル内の光子統計を調査し、光子偶然を観測し、量子フォトニック集積チップの設計に関する洞察を与えることができる。
論文 参考訳（メタデータ） (2024-04-09T06:45:46Z) - Time-bin entanglement in the deterministic generation of linear photonic cluster states [0.0]
理論的には、個々の量子エミッタを用いて、時間双絡光子の列車を決定論的に生成するための戦略を理論的に検討する。
フル微視的数値シミュレーションにおいて, 束縛されたフォトニック量子ビットのかなりの数の線形クラスター状態の理論的生成を示す。
論文 参考訳（メタデータ） (2024-03-13T13:38:45Z) - Experimental property-reconstruction in a photonic quantum extreme learning machine [28.404018926483985]
我々は、光子の偏光状態の資源効率と正確な評価を実現するために、フォトニックプラットフォームに量子エクストリームラーニングマシンを実装した。
本研究では, 未知の偏光状態の再構成が測定装置の注意深い評価を必要とせず, 実験的不完全性に対して頑健であることを示す。
論文 参考訳（メタデータ） (2023-08-08T19:22:03Z) - A general-purpose single-photon-based quantum computing platform [36.56899230501635]
本報告では,単一光子を用いたユーザ可読な汎用量子コンピューティングのプロトタイプについて報告する。
再構成可能なチップ上に、普遍線形光ネットワークを供給する高効率量子ドット単光子源を備える。
我々は、計測ベースの量子コンピューティングに向けた重要なマイルストーンである3光子エンタングルメント生成について報告する。
論文 参考訳（メタデータ） (2023-06-01T16:35:55Z) - Characterization of multi-mode linear optical networks [0.0]
不完全性の存在下での光回路のキャラクタリゼーションのための効率的な手順を定式化する。
本稿では,本手法の有効性を,可変集積フォトニック回路で定義された実験的なシナリオで示す。
本研究は, バルク構成と統合構成の両方に基づいて, 広い範囲の光学装置に応用できることを示す。
論文 参考訳（メタデータ） (2023-04-13T13:09:14Z) - Fock State-enhanced Expressivity of Quantum Machine Learning Models [0.0]
フォトニックベースのボソニックデータエンコーディングスキームは、より少ないエンコーディング層を使用して古典的なデータポイントを埋め込む。
本稿では,必要なリソースのスケールの異なる3つの異なる雑音性中間スケール量子互換バイナリ分類法を提案する。
論文 参考訳（メタデータ） (2021-07-12T07:07:39Z) - 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)
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。