論文の概要: DeepQuantum: A PyTorch-based Software Platform for Quantum Machine Learning and Photonic Quantum Computing
- arxiv url: http://arxiv.org/abs/2512.18995v1
- Date: Mon, 22 Dec 2025 03:22:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-23 18:54:32.60169
- Title: DeepQuantum: A PyTorch-based Software Platform for Quantum Machine Learning and Photonic Quantum Computing
- Title（参考訳）: DeepQuantum: 量子機械学習とフォトニック量子コンピューティングのためのPyTorchベースのソフトウェアプラットフォーム
- Authors: Jun-Jie He, Ke-Ming Hu, Yu-Ze Zhu, Guan-Ju Yan, Shu-Yi Liang, Xiang Zhao, Ding Wang, Fei-Xiang Guo, Ze-Feng Lan, Xiao-Wen Shang, Zi-Ming Yin, Xin-Yang Jiang, Lin Yang, Hao Tang, Xian-Min Jin,
- Abstract要約: DeepQuantumは、量子機械学習とフォトニック量子コンピューティングのためのAI強化フレームワークである。
フォトニック量子コンピューティングでは、DeepQuantumはFock、Gaussian、Bosonicのバックエンドを実装している。
DeepQuantumはテンソルネットワーク技術と分散並列コンピューティングアーキテクチャに基づく大規模シミュレーションをサポートする。
- 参考スコア（独自算出の注目度）: 30.766327914741883
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce DeepQuantum, an open-source, PyTorch-based software platform for quantum machine learning and photonic quantum computing. This AI-enhanced framework enables efficient design and execution of hybrid quantum-classical models and variational quantum algorithms on both CPUs and GPUs. For photonic quantum computing, DeepQuantum implements Fock, Gaussian, and Bosonic backends, catering to different simulation needs. Notably, it is the first framework to realize closed-loop integration of three paradigms of quantum computing, namely quantum circuits, photonic quantum circuits, and measurement-based quantum computing, thereby enabling robust support for both specialized and universal photonic quantum algorithm design. Furthermore, DeepQuantum supports large-scale simulations based on tensor network techniques and a distributed parallel computing architecture. We demonstrate these capabilities through comprehensive benchmarks and illustrative examples. With its unique features, DeepQuantum is intended to be a powerful platform for both AI for Quantum and Quantum for AI.
- Abstract（参考訳）: 我々は、量子機械学習とフォトニック量子コンピューティングのためのオープンソースのPyTorchベースのソフトウェアプラットフォームであるDeepQuantumを紹介した。
このAI強化フレームワークは、CPUとGPUの両方で、ハイブリッド量子古典モデルと変分量子アルゴリズムの効率的な設計と実行を可能にする。
フォトニック量子コンピューティングでは、DeepQuantumはFock、Gaussian、Bosonicのバックエンドを実装し、異なるシミュレーションニーズに対応している。
特に、量子コンピューティングの3つのパラダイム、すなわち量子回路、フォトニック量子回路、および測定に基づく量子コンピューティングのクローズドループ統合を実現する最初のフレームワークであり、特殊および普遍的なフォトニック量子アルゴリズム設計の堅牢なサポートを可能にする。
さらに、DeepQuantumはテンソルネットワーク技術と分散並列コンピューティングアーキテクチャに基づく大規模シミュレーションをサポートする。
包括的なベンチマークや図解的な例を通して、これらの機能を実証する。
そのユニークな機能により、DeepQuantumは、Quantum for AIとQuantum for AIの両方のための強力なプラットフォームになることを意図している。
関連論文リスト
- Implementation of Leaking Quantum Walks on a Photonic Processor [0.0]
我々は、フォトニック集積回路である最も有望なアプローチに焦点を当てる。
理論シミュレーションおよびQuix Quantumによって実現された普遍フォトニック量子プロセッサを用いた実験により得られたQWの吸収境界に関する結果について述べる。
論文 参考訳（メタデータ） (2026-01-19T18:11:12Z) - Quantum-enhanced Computer Vision: Going Beyond Classical Algorithms [50.573955644831386]
QeCV(Quantum-enhanced Computer Vision)は、コンピュータビジョン、機械学習、量子コンピューティングの交差点における新しい研究分野である。
量子コンピューティングの助けを借りて、視覚信号の処理や解釈の仕方を変える可能性が高い。
本調査はQeCVに関する既存の文献に貢献し,本研究分野の総合的なレビューを行った。
論文 参考訳（メタデータ） (2025-10-08T17:59:51Z) - Artificial intelligence for representing and characterizing quantum systems [49.29080693498154]
大規模量子システムの効率的なキャラクタリゼーションは、量子科学における中心的な課題である。
人工知能(AI)の最近の進歩は、この課題に対処するための強力なツールとして現れている。
本稿では、これらのAIパラダイムが量子システム評価における2つのコアタスクにどのように貢献するかを論じる。
論文 参考訳（メタデータ） (2025-09-05T08:41:24Z) - Unleashing quantum algorithms with Qinterpreter: bridging the gap between theory and practice across leading quantum computing platforms [0.6465466167591405]
QInterpreterはQuantum Science Gateway QubitHubに組み込まれたツールである。
1つのライブラリからもう1つのライブラリにシームレスにプログラムを変換し、結果を視覚化する。
論文 参考訳（メタデータ） (2023-10-11T03:45:11Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。
本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。
今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文 参考訳（メタデータ） (2022-02-19T02:56:47Z) - A prototype of quantum von Neumann architecture [0.0]
我々は、フォン・ノイマンアーキテクチャの量子バージョンである普遍量子コンピュータシステムのモデルを提案する。
量子メモリユニットの要素としてebitを使用し、量子制御ユニットと処理ユニットの要素としてqubitを使用する。
本研究は,量子情報の多様体パワーを実証し,量子コンピュータシステム構築の道を開くものである。
論文 参考訳（メタデータ） (2021-12-17T06:33:31Z) - Qsun: an open-source platform towards practical quantum machine learning
applications [0.0]
本稿では、量子状態波動関数によって演算を下線化している量子仮想マシンQsunを紹介する。
次に、量子機械学習の代表である量子線形回帰と量子ニューラルネットワークの2つのテストについて報告する。
論文 参考訳（メタデータ） (2021-07-22T09:37:31Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z) - Quantum Computer-Aided design of Quantum Optics Hardware [1.0499611180329804]
本稿では、量子コンピュータが設計した量子ハードウェアの概念を示し、量子光学の分野に適用する。
具体的には、高次元多体絡み合った光子の複雑な実験ハードウェアをゲートベースの量子回路にマッピングする。
本稿では,Boson Sampling実験のディジタル量子シミュレーションを実現する方法を示す。
論文 参考訳（メタデータ） (2020-06-04T18:00:13Z)
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。