論文の概要: MerLin: A Discovery Engine for Photonic and Hybrid Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2602.11092v1
• Date: Wed, 11 Feb 2026 18:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:02.292448
• Title: MerLin: A Discovery Engine for Photonic and Hybrid Quantum Machine Learning
• Title（参考訳）: MerLin: フォトニックおよびハイブリッド量子機械学習のためのディスカバリエンジン
• Authors: Cassandre Notton, Benjamin Stott, Philippe Schoeb, Anthony Walsh, Grégoire Leboucher, Vincent Espitalier, Vassilis Apostolou, Louis-Félix Vigneux, Alexia Salavrakos, Jean Senellart,
• Abstract要約: 我々は、フォトニックおよびハイブリッド量子機械学習のためのディスカバリエンジンとして設計されたオープンソースのフレームワークであるMerLinを紹介する。 MerLinは、線形光回路の強いシミュレーションを標準のPyTorchとScikit学習に統合する。 我々は、カーネルメソッド、貯水池コンピューティング、畳み込みおよび繰り返しアーキテクチャ、生成モデル、モダンなトレーニングパラダイムにまたがる、アートフォトニックおよびハイブリッドQMLの18の状態を再現する。
• 参考スコア（独自算出の注目度）: 9.095165743250742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying where quantum models may offer practical benefits in near term quantum machine learning (QML) requires moving beyond isolated algorithmic proposals toward systematic and empirical exploration across models, datasets, and hardware constraints. We introduce MerLin, an open source framework designed as a discovery engine for photonic and hybrid quantum machine learning. MerLin integrates optimized strong simulation of linear optical circuits into standard PyTorch and scikit learn workflows, enabling end to end differentiable training of quantum layers. MerLin is designed around systematic benchmarking and reproducibility. As an initial contribution, we reproduce eighteen state of the art photonic and hybrid QML works spanning kernel methods, reservoir computing, convolutional and recurrent architectures, generative models, and modern training paradigms. These reproductions are released as reusable, modular experiments that can be directly extended and adapted, establishing a shared experimental baseline consistent with empirical benchmarking methodologies widely adopted in modern artificial intelligence. By embedding photonic quantum models within established machine learning ecosystems, MerLin allows practitioners to leverage existing tooling for ablation studies, cross modality comparisons, and hybrid classical quantum workflows. The framework already implements hardware aware features, allowing tests on available quantum hardware while enabling exploration beyond its current capabilities, positioning MerLin as a future proof co design tool linking algorithms, benchmarks, and hardware.
• Abstract（参考訳）: 量子モデルが近い将来の量子機械学習(QML)において実用的なメリットを提供する場所を特定するには、分離されたアルゴリズムの提案を越えて、モデル、データセット、ハードウェア制約を横断する体系的かつ経験的な探索に移行する必要がある。 我々は、フォトニックおよびハイブリッド量子機械学習のためのディスカバリエンジンとして設計されたオープンソースのフレームワークであるMerLinを紹介する。 MerLinは、線形光学回路の最適化された強力なシミュレーションを標準のPyTorchとScikitラーニングワークフローに統合し、量子層のエンドツーエンドの異なるトレーニングを可能にする。 MerLinは、システマティックなベンチマークと再現性に基づいて設計されている。 最初のコントリビューションとして、カーネルメソッド、貯水池コンピューティング、畳み込みおよび繰り返しアーキテクチャ、生成モデル、モダントレーニングパラダイムにまたがる18の最先端フォトニックハイブリッドQMLワークを再現する。 これらの再現は、再利用可能なモジュラーな実験としてリリースされ、直接拡張および適応が可能であり、現代の人工知能で広く採用されている経験的ベンチマーク手法と一致した実験ベースラインを確立する。 確立した機械学習エコシステムにフォトニック量子モデルを埋め込むことで、MerLinは既存のツールを活用して、アブレーション研究、クロスモーダリティ比較、ハイブリッド古典的な量子ワークフローを実現する。 このフレームワークはすでにハードウェアを意識した機能を実装しており、利用可能な量子ハードウェア上でのテストを可能にすると同時に、現在の能力を超えた探索を可能にし、MerLinをアルゴリズム、ベンチマーク、ハードウェアをリンクする将来の実証コデザインツールとして位置づけている。

関連論文リスト

• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• Hybrid Quantum-Classical Machine Learning with PennyLane: A Comprehensive Guide for Computational Research [0.0]
  PennyLaneは、量子回路と古典的な機械学習をシームレスにブリッジするPythonフレームワークである。 我々は、ペニーレーンが効率的な量子回路構築、自動微分、ハイブリッド最適化を促進する方法を示す。 私たちのゴールは、基礎となる量子コンピューティングの概念と応用機械学習の実践を橋渡しする簡潔な参照を提供することです。
  論文  参考訳（メタデータ） (2025-11-13T02:38:08Z)
• Qiboml: towards the orchestration of quantum-classical machine learning [53.28668485072944]
  本稿では,量子および古典的機械学習をオーケストレーションするオープンソースソフトウェアライブラリであるQibomlを紹介する。 多様なシミュレーションオプション、ノイズ認識シミュレーション、リアルタイムエラー軽減とキャリブレーションなどの機能を紹介する。
  論文  参考訳（メタデータ） (2025-10-13T18:00:00Z)
• LCQNN: Linear Combination of Quantum Neural Networks [7.010027035873597]
  量子ニューラルネットワークの線形結合(LCQNN)フレームワークについて述べる。 制御ユニタリの$k$を採用する、あるいはモデルを特定の群理論部分空間に制限するといった構造的選択が、勾配の崩壊を防ぐことを示す。 群行動シナリオでは、対称性を利用して指数関数的に大きい既約部分空間を除外することにより、モデルはバレンプラトーを回避できることを示す。
  論文  参考訳（メタデータ） (2025-07-03T17:43:10Z)
• Quantum Knowledge Distillation for Large Language Models [10.023534560183919]
  大規模言語モデルのための量子知識蒸留モデル(QD-LLM)を提案する。 古典的シミュレーションでは、QD-LLMは複数のテキスト分類タスクにおいていくつかの主流蒸留法より優れている。 得られた回路をQuafuプラットフォームを介してBaihua超伝導量子プロセッサ上に展開し,実用性を評価する。
  論文  参考訳（メタデータ） (2025-05-19T14:56:24Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• SEQUENT: Towards Traceable Quantum Machine Learning using Sequential Quantum Enhanced Training [5.819818547073678]
  本稿では,ハイブリッド機械学習における量子コンピューティング手法のトレーサブルな応用のためのアーキテクチャとトレーニングプロセスを提案する。 本研究は、SEQUENTの適用可能性の実証として、現在の手法の不備と予備実験結果に関する公式な証拠を提供する。
  論文  参考訳（メタデータ） (2023-01-06T16:55:59Z)
• QuaSiMo: A Composable Library to Program Hybrid Workflows for Quantum Simulation [48.341084094844746]
  本稿では、ハイブリッド量子/古典的アルゴリズムの開発と量子シミュレーションへの応用のための構成可能な設計手法を提案する。 ハードウェアに依存しないQCORをQuaSiMoライブラリに実装する。
  論文  参考訳（メタデータ） (2021-05-17T16:17:57Z)
• Composable Programming of Hybrid Workflows for Quantum Simulation [48.341084094844746]
  本稿では、ハイブリッド量子/古典的アルゴリズムの開発と量子シミュレーションへの応用のための構成可能な設計手法を提案する。 ハードウェアに依存しないQCORをQuaSiMoライブラリに実装する。
  論文  参考訳（メタデータ） (2021-01-20T14:20:14Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)

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。