論文の概要: Practical Quantum Reservoir Computing in Rydberg Atom Arrays
- arxiv url: http://arxiv.org/abs/2602.00610v1
- Date: Sat, 31 Jan 2026 08:56:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.285042
- Title: Practical Quantum Reservoir Computing in Rydberg Atom Arrays
- Title（参考訳）: Rydberg 原子配列の量子貯留層計算
- Authors: Dong-Sheng Liu, Qing-Xuan Jie, Chang-Ling Zou, Xi-Feng Ren, Guang-Can Guo,
- Abstract要約: 量子貯水池コンピューティング(QRC)は、短期的な量子プラットフォームのための有望な量子機械学習フレームワークである。
本稿では,Rydberg 原子配列上に実装されたシングルステップQRC (SS-QRC) とマルチステップQRC (MS-QRC) アーキテクチャの比較数値解析を行った。
我々は,MS-QRCの性能が物質と脱コヒーレンスの基礎となる動的位相に非常に敏感であるのに対し,SS-QRCはより堅牢であることを示した。
- 参考スコア（独自算出の注目度）: 0.40078827278053847
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum reservoir computing (QRC) is a promising quantum machine learning framework for near-term quantum platforms, yet the performance of different QRC architectures under realistic constraints remains largely unexplored. Here, we provide a comparative numerical study of single-step-QRC (SS-QRC) and multi-step-QRC (MS-QRC) architectures implemented on a Rydberg atom array. We demonstrate that while MS-QRC performance is highly sensitive to the underlying dynamical phase of matter and decoherence, SS-QRC exhibits greater robustness. Using the randomized measurement toolbox to mitigate measurement overhead, we reveal that sampling noise undermines the convergence property required for MS-QRC. This leads to a significant reduction in the information processing capacity (IPC) of MS-QRC, deteriorating its performance on nonlinear time-series benchmarks. In contrast, SS-QRC maintains high IPC and accuracy across both temporal and non-temporal tasks. Our results suggest SS-QRC as a preferred candidate for near-term practical applications due to its resilience to system configurations and statistical noise.
- Abstract（参考訳）: 量子貯水池コンピューティング(QRC)は、短期的な量子プラットフォームのための有望な量子機械学習フレームワークである。
本稿では,Rydberg 原子配列上に実装されたシングルステップQRC (SS-QRC) とマルチステップQRC (MS-QRC) アーキテクチャの比較数値解析を行った。
我々は,MS-QRCの性能が物質と脱コヒーレンスの基礎となる動的位相に非常に敏感であるのに対し,SS-QRCはより堅牢であることを示した。
サンプリングノイズがMS-QRCに必要な収束特性を損なうことを明らかにする。
これにより、MS-QRCの情報処理能力(IPC)が大幅に低下し、非線形時系列ベンチマークのパフォーマンスが低下する。
対照的に、SS-QRCは時間的タスクと非時間的タスクの両方で高いIPCと精度を維持している。
この結果から,SS-QRCは,システム構成や統計的ノイズに対するレジリエンスから,短期的な実用的応用に好適な候補であることが示唆された。
関連論文リスト
- Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Hybrid Photonic-Quantum Reservoir Computing For Time-Series Prediction [0.0]
本稿では,HPQRC(Hybrid Photonic-Quantum Reservoir Computing)パラダイムの設計と実装について検討する。
これは、フォトニック系の高速並列性と、複雑な非線形力学をモデル化する量子貯水池の容量を結合させる。
我々は、HPQRCが古典的モデルと量子的モデルの両方よりも計算時間が少なく、はるかに高い精度が得られることを示した。
論文 参考訳（メタデータ） (2025-11-12T11:26:47Z) - Multivariate Time Series Forecasting with Gate-Based Quantum Reservoir Computing on NISQ Hardware [7.4779635174843255]
この研究は多変量時系列(MTS-QRC)のためのゲートベースのQRCを導入し、インジェクションとメモリキュービットをペア化する。
Lorenz-63 と ENSO では、平均平方誤差 (MSE) はそれぞれ 0.0087 と 0.0036 である。
IBM Heron R2では、MTS-QRCは現実的な深さで精度を保ち、興味深いことにENSOのノイズレスシミュレータよりも優れています。
論文 参考訳（メタデータ） (2025-10-15T14:58:58Z) - TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。
これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - 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) - Feedback-enhanced quantum reservoir computing with weak measurements [1.474723404975345]
フィードバック強化型量子貯水池計算フレームワークを開発した。
また,本モデルが従来のQRC手法よりも優れていることを示す。
これらの知見は、次世代量子機械学習アプリケーションにおけるフィードバック強化型QRCの可能性を示している。
論文 参考訳（メタデータ） (2025-03-23T04:47:06Z) - Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics [3.7960472831772765]
現在のノイズ中間スケール量子(NISQ)時代には、ノイズの存在は量子コンピューティングアルゴリズムの性能を悪化させる。
本稿では,有限サンプリングノイズが量子貯留層計算(QRC)と再帰性のない量子貯留層計算(RF-QRC)のカオス的時系列予測能力に与える影響を解析する。
有限サンプリングノイズはQRCとRF-QRCの両方の予測能力を劣化させるが,ノイズの伝搬によりQRCに悪影響を及ぼすことを示す。
論文 参考訳（メタデータ） (2024-09-02T17:51:48Z) - Machine-Learning Insights into the Entanglement-trainability Correlation of Parameterized Quantum Circuits [17.975555487972166]
変分量子アルゴリズム(VQA)は、現在のノイズの多い中間スケールデバイスで量子優位を得るための主要な戦略として登場した。
バレンプラトー(BP)現象の主な原因として、その絡み合い-運動性相関は、それらの応用に挑戦する。
本稿では,パラメータ化量子回路(PQC)のゲート・ツー・テンソル(GTT)符号化法を提案する。
2つの長期記憶ネットワーク(L-Gネットワーク)は、絡み合いとトレーニング可能性の両方を予測するために訓練されている。
論文 参考訳（メタデータ） (2024-06-04T06:28:05Z) - Matching Game for Optimized Association in Quantum Communication
Networks [65.16483325184237]
本稿では,量子スイッチのためのスワップスタブルな要求-QSアソシエーションアルゴリズムを提案する。
サービスされた要求の割合で、ほぼ最適(5%)のパフォーマンスを達成する。
QCNのサイズが大きくなると、スケーラビリティが向上し、ほぼ最適性能を維持することが示されている。
論文 参考訳（メタデータ） (2023-05-22T03:39:18Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。