論文の概要: Quantum Light Detection with Enhanced Photonic Neural Network

• arxiv url: http://arxiv.org/abs/2601.19721v1
• Date: Tue, 27 Jan 2026 15:44:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.376801
• Title: Quantum Light Detection with Enhanced Photonic Neural Network
• Title（参考訳）: フォトニックニューラルネットワークを用いた量子光検出
• Authors: Stanisław Świerczewski, Dogyun Ko, Amir Rahmani, Juan Camilo López Carreño, Wouter Verstraelen, Piotr Deuar, Barbara Piętka, Timothy C. H. Liew, Michał Matuszewski, Andrzej Opala,
• Abstract要約: 本稿では、量子貯水池の利点とアナログニューラルネットワークの適応学習能力を統合するハイブリッド量子古典検出プロトコルを提案する。 このシナジスティックアーキテクチャは、情報抽出精度とロバスト性を大幅に向上させ、量子光センサの性能を低コストで向上させる。
• 参考スコア（独自算出の注目度）: 0.3775008736256856
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advances in quantum technologies are accelerating the demand for optical quantum state sensors that combine high precision, versatility, and scalability within a unified hardware platform. Quantum reservoir computing offers a powerful route toward this goal by exploiting the nonlinear dynamics of quantum systems to process and interpret quantum information efficiently. Photonic neural networks are particularly well suited for such implementations, owing to their intrinsic sensitivity to photon-encoded quantum information. However, the practical realisation of photonic quantum reservoirs remains constrained by the inherently weak optical nonlinearities of available materials and the technological challenges of fabricating densely coupled quantum networks. To address these limitations, we introduce a hybrid quantum-classical detection protocol that integrates the advantages of quantum reservoirs with the adaptive learning capabilities of analogue neural networks. This synergistic architecture substantially enhances information-extraction accuracy and robustness, enabling low-cost performance improvements of quantum light sensors. Based on the proposed approach, we achieved significant improvements in quantum state classification, tomography, and feature regression, even for reservoirs with a relatively small nonlinearity-to-losses ratio $U/γ\approx 0.02$ in a network of only five nodes. By reducing reliance on material nonlinearity and reservoir size, the proposed approach facilitates the practical deployment of high-fidelity photonic quantum sensors on existing integrated platforms, paving the way toward chip-scale quantum processors and photonic sensing technologies.
• Abstract（参考訳）: 量子技術の進歩は、統一ハードウェアプラットフォームにおける高精度、汎用性、スケーラビリティを組み合わせた光量子状態センサの需要を加速させている。 量子貯水池計算は、量子システムの非線形力学を利用して量子情報を効率的に処理し、解釈することで、この目標に向かって強力な経路を提供する。 フォトニックニューラルネットワークは、光子符号化された量子情報に対する固有の感度のため、このような実装に特に適している。 しかし、フォトニック量子貯水池の実用的実現は、利用可能な材料の本質的に弱い光学非線形性と、密結合型量子ネットワークを作製する技術的課題に制約されているままである。 これらの制約に対処するために、量子貯水池の利点とアナログニューラルネットワークの適応学習能力を統合するハイブリッド量子古典的検出プロトコルを導入する。 このシナジスティックアーキテクチャは、情報抽出精度とロバスト性を大幅に向上させ、量子光センサの性能を低コストで向上させる。 提案手法により, 5ノードのネットワークにおいて, 比較的小さな非線形性-損失比$U/γ\approx 0.02$の貯水池であっても, 量子状態分類, トモグラフィ, 特徴回帰の大幅な改善を実現した。 材料非線形性や貯留層サイズへの依存を減らすことにより、既存の集積プラットフォームに高忠実なフォトニック量子センサを実用化し、チップスケールの量子プロセッサやフォトニックセンシング技術への道を開いた。

関連論文リスト

• Noise-Resilient Quantum Metrology with Quantum Computing [10.243775711846629]
  本稿では,古典的データエンコーディングから量子データの直接処理へ焦点を移す方法を提案する。 本研究では,量子力学から取得した情報を量子コンピュータが最適化する実験可能な手法を開発した。 本手法は,推定値の精度を向上し,量子フィッシャー情報によって定量化されるように感度を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-08-31T09:53:38Z)
• Nonreciprocity in Quantum Technology [0.0]
  非相互性 (nonreciprocity) とは、一方の方向で信号を送信し、他方の方向を遮断する能力である。 この機能は、高忠実度量子ビット読み出し、堅牢な量子状態転送、量子センサの感度向上にどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2025-08-05T22:22:00Z)
• 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)
• Enhancing Quantum Diffusion Models with Pairwise Bell State Entanglement [35.436358464279785]
  本稿では、ノイズ中間スケール量子(NISQ)デバイス向けに設計された新しい量子拡散モデルを提案する。 量子絡み合いと重ね合わせを利用して、このアプローチは量子生成学習を前進させる。
  論文  参考訳（メタデータ） (2024-11-24T20:14:57Z)
• Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
  本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。 量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
  論文  参考訳（メタデータ） (2024-06-03T09:51:25Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
  本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。 トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。 問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
  論文  参考訳（メタデータ） (2021-07-05T03:20:54Z)
• 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)

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。