論文の概要: A non-linear quantum neural network framework for entanglement engineering

• arxiv url: http://arxiv.org/abs/2512.13971v1
• Date: Tue, 16 Dec 2025 00:16:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.526371
• Title: A non-linear quantum neural network framework for entanglement engineering
• Title（参考訳）: 絡み合い工学のための非線形量子ニューラルネットワークフレームワーク
• Authors: Adriano Macarone-Palmieri, Alberto Ferrara, Rosario Lo Franco,
• Abstract要約: マルチパーティの絡み合いは量子技術の鍵となるリソースであるが、ノイズの多い量子デバイスにおけるスケーラブルな生成は依然として困難である。 本稿では,メモリ対応フォトニックコンポーネントにインスパイアされた線形スケーリングを応用した低深さ量子ニューラルネットワークアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multipartite entanglement is a key resource for quantum technologies, yet its scalable generation in noisy quantum devices remains challenging. Here, we propose a low-depth quantum neural network architecture with linear scaling, inspired by memory-enabled photonic components, for variational entanglement engineering. The network incorporates physically motivated non-linear activation functions, enhancing expressivity beyond linear variational circuits at fixed depth. By Monte Carlo sampling over circuit topologies, we identify architectures that efficiently generate highly entangled pure states, approaching the GHz limit, and demonstrate a clear advantage of non-linear networks up to 20 qubits. For the noisy scenario, we employ the experimentally accessible Meyer-Wallach global entanglement as a surrogate optimization cost and certify entanglement using bipartite negativity. For mixed states of up to ten qubits, the optimized circuits generate substantial entanglement across both symmetric and asymmetric bipartitions. These results establish an experimentally motivated and scalable variational framework for engineering multipartite entanglement on near-term quantum devices, highlighting the combined role of non-linearity and circuit topology.
• Abstract（参考訳）: マルチパーティの絡み合いは量子技術の鍵となるリソースであるが、ノイズの多い量子デバイスにおけるスケーラブルな生成は依然として困難である。 本稿では,メモリ対応フォトニックコンポーネントにインスパイアされた線形スケーリングを備えた低深さ量子ニューラルネットワークアーキテクチャを提案する。 このネットワークは、物理的に動機づけられた非線形活性化関数を組み込んでおり、一定の深さで線形変動回路を超えた表現性を高める。 回路トポロジ上のモンテカルロサンプリングにより、高絡み合った純状態を効率的に生成し、GHz限界に近づき、最大20量子ビットまでの非線形ネットワークの明確な利点を示すアーキテクチャを同定する。 雑音のシナリオでは、実験的に利用できるメイヤー・ワラッハのグローバルな絡み合いをサロゲート最適化コストとして利用し、バイパーティイト負性率を用いて絡み合いを認証する。 最大10キュービットの混合状態の場合、最適化された回路は対称二分割と非対称二分割の両方にかなりの絡み合いを生じさせる。 これらの結果は、短期量子デバイス上でのマルチパーティントの絡み合いをエンジニアリングするための実験的に動機づけられたスケーラブルな変分フレームワークを確立し、非線形性と回路トポロジーの複合的な役割を強調した。

関連論文リスト

• Self-Configuring Quantum Networks with Superposition of Trajectories [1.857281678391719]
  量子ネットワークは将来の量子技術のバックボーンである。 しかし、そのパフォーマンスはノイズとデコヒーレンスに悩まされている。 本稿では,重畳された量子パスと変分量子最適化技術を統合する自己構成手法を提案する。
  論文  参考訳（メタデータ） (2025-10-21T21:34:54Z)
• Quantum Convolutional Neural Network with Nonlinear Effects and Barren Plateau Mitigation [0.0]
  量子ニューラルネットワーク(QNN)は、量子エンタングルメントと重畳を利用して、大規模並列線形計算を可能にする。 しかし,本質的な非線形操作の欠如やバレンプラトー現象により,実用的展開が妨げられている。 両問題に同時に対処する量子ニューラル畳み込みネットワーク(QCNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-08-04T14:26:48Z)
• 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)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• Quantum HyperNetworks: Training Binary Neural Networks in Quantum Superposition [13.931463943383413]
  量子コンピュータ上でバイナリニューラルネットワークをトレーニングするメカニズムとして量子ハイパーネットを導入する。 提案手法は, 最適パラメータ, ハイパーパラメータ, アーキテクチャ選択を, 分類問題に対する高い確率で効果的に発見できることを示す。 私たちの統合されたアプローチは、機械学習の分野における他のアプリケーションにとって大きなスコープを提供します。
  論文  参考訳（メタデータ） (2023-01-19T20:06:48Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• Optimizing Entanglement Generation and Distribution Using Genetic Algorithms [0.640476282000118]
  絡み合い分布による長距離量子通信は、量子インターネットにとって非常に重要である。 量子リピータは理論上、絡み合いが分散できる距離を延ばすのに使えるが、実際にはハードウェアの品質は依然として不足している。 エンタングルメント生成と分布の最適化のための遺伝的アルゴリズムと量子リピータ連鎖のシミュレーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-10-30T17:09:34Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。