論文の概要: Hardware-inspired Continuous Variables Quantum Optical Neural Networks

• arxiv url: http://arxiv.org/abs/2512.05204v1
• Date: Thu, 04 Dec 2025 19:20:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.784311
• Title: Hardware-inspired Continuous Variables Quantum Optical Neural Networks
• Title（参考訳）: ハードウェアにインスパイアされた連続可変量子ニューラルネット
• Authors: Todor Krasimirov-Ivanov, Alba Cervera-Lierta, Paolo Stornati, Federico Centrone,
• Abstract要約: 量子光学において、ガウス作用素は光モードの二次函数上のアフィン写像を誘導する。 この研究は、連続可変量子光学ニューラルネットワークのための実験的に実現可能な新しいフレームワークを提示する。
• 参考スコア（独自算出の注目度）: 0.27998963147546146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous-variables (CV) quantum optics is a natural formalism for neural networks (NNs) due to its ability to reproduce the information processing of such trainable interconnected systems. In quantum optics, Gaussian operators induce affine mappings on the quadratures of optical modes while non-Gaussian resources -- the challenging piece for physical implementation -- originate the nonlinear effects, unlocking quantum analogs of an artificial neuron. This work presents a novel experimentally-feasible framework for continuous-variable quantum optical neural networks (QONNs) developed with available photonic components: coherent states as input encoding, a general Gaussian transformation followed by multi-mode photon subtractions as the processing layer, and homodyne detection as outputs readout. The closed-form expressions of such architecture are derived demonstrating the family of adaptive activations and the quantum-optical neurons that emerge from the amount of photon-subtracted modes, proving that the proposed design satisfies the Universal Approximation Theorem within a single layer. To classically simulate the QONN training, the high-performance QuaNNTO library has been developed based on Wick--Isserlis expansion and Bogoliubov transformations, allowing multi-layer exact expectation values of non-Gaussian states without truncating the infinite-dimensional Hilbert space. Experiments on supervised learning and state-preparation tasks show balanced-resource efficiency with strong expressivity and generalization capabilities, illustrating the potential of the architecture for scalable photonic quantum machine learning and for quantum applications such as complex non-Gaussian gate synthesis.
• Abstract（参考訳）: 連続変数(CV)量子光学は、トレーニング可能な相互接続システムの情報処理を再現できるため、ニューラルネットワーク(NN)の自然な形式である。 量子光学において、ガウス演算子は光学モードの二次構造上のアフィンマッピングを誘導する一方、非ガウスの資源(物理実装の難しい部分)は非線形効果を生み出し、人工ニューロンの量子アナログを解き放つ。 本研究は、入力符号化としてのコヒーレント状態、処理層としてのガウス変換に続く多モード光子サブトラクション、読み出し出力としてのホモダイン検出という、利用可能なフォトニック成分を組み込んだ連続可変量子光学ニューラルネットワーク(QONN)のための実験的に実現可能なフレームワークを提案する。 このようなアーキテクチャのクローズドフォーム表現は、適応的なアクティベーションの族と、光子置換モードの量から現れる量子光学ニューロンを証明し、提案した設計が単一層内の普遍近似定理を満たすことを証明している。 古典的にQONNトレーニングをシミュレートするために、Wick-Isserlis展開とBogoliubov変換に基づいて高性能なQuaNNTOライブラリを開発した。 教師付き学習と状態準備タスクの実験は、強力な表現性と一般化能力を備えたバランスの取れたリソース効率を示し、スケーラブルなフォトニック量子機械学習や複雑な非ガウスゲート合成のような量子応用のためのアーキテクチャの可能性を示している。

関連論文リスト

• Tensor-network approach to quantum optical state evolution beyond the Fock basis [0.0]
  非線形光学系の力学を効率的に捉えるテンソル・ネットワーク手法を提案する。 行列積状態(MPS)形式を用いることで、量子状態と演算子は共に高度に圧縮された形で符号化される。 この枠組みは、マルチモード量子光と非線形光学現象をモデル化するためのスケーラブルな経路を開く。
  論文  参考訳（メタデータ） (2025-11-19T09:58:18Z)
• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Phase-Space Framework for Noisy Intermediate-Scale Quantum Optical Neural Networks [0.904632745647229]
  量子光学ニューラルネットワーク(QONN)は、古典的限界を超える情報処理を可能にする。 量子貯水池の性能はボソニックモードの数で単調に向上しない。 発見は将来の量子ニューロモルフィックコンピューティングデバイスのための光ボソニック貯水池の設計と最適化に不可欠である。
  論文  参考訳（メタデータ） (2025-07-10T12:07:02Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• 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)
• 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)
• Quantum nondemolition measurements with optical parametric amplifiers for ultrafast universal quantum information processing [0.0]
  室温超高速光子数分解(PNR)量子非分解(QND)測定の実現は、フォトニック量子情報処理(QIP)に重大な影響を与える。 位相整合型光パラメトリック増幅器(OPA)を駆動するコヒーレントポンプ場は,信号Bogoliubov励起数に応じて変位を経験することを示す。 これにより、ポンプ変位の測定は、信号Bogoliubov励起のQND測定を提供し、信号モードを励起光子数状態に投影する。
  論文  参考訳（メタデータ） (2022-09-02T15:23:40Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。