論文の概要: Kernel-based optimization of measurement operators for quantum reservoir computers

• arxiv url: http://arxiv.org/abs/2602.14677v1
• Date: Mon, 16 Feb 2026 12:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.390619
• Title: Kernel-based optimization of measurement operators for quantum reservoir computers
• Title（参考訳）: カーネルによる量子貯水池コンピュータ計測演算子の最適化
• Authors: Markus Gross, Hans-Martin Rieser,
• Abstract要約: 我々は、カーネルリッジ回帰の枠組みにおいて、ステートレス(量子極端学習マシン、QELM)とステートフル(依存依存)QRCの両方のトレーニングを定式化する。 このアプローチは、与えられた貯水池とトレーニングデータセットの予測誤差を最小限に抑える最適な測定演算子を示す。
• 参考スコア（独自算出の注目度）: 5.486630950557179
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Finding optimal measurement operators is crucial for the performance of quantum reservoir computers (QRCs), since they employ a fixed quantum feature map. We formulate the training of both stateless (quantum extreme learning machines, QELMs) and stateful (memory dependent) QRCs in the framework of kernel ridge regression. This approach renders an optimal measurement operator that minimizes prediction error for a given reservoir and training dataset. For large qubit numbers, this method is more efficient than the conventional training of QRCs. We discuss efficiency and practical implementation strategies, including Pauli basis decomposition and operator diagonalization, to adapt the optimal observable to hardware constraints. Numerical experiments on image classification and time series prediction tasks demonstrate the effectiveness of this approach, which can also be applied to other quantum ML models.
• Abstract（参考訳）: 最適測定演算子を見つけることは、固定された量子特徴写像を用いるため、量子貯水池コンピュータ(QRC)の性能向上に不可欠である。 我々は、カーネルリッジ回帰の枠組みにおいて、ステートレス(量子極端学習マシン、QELM)とステートフル(依存依存)QRCの両方のトレーニングを定式化する。 このアプローチは、与えられた貯水池とトレーニングデータセットの予測誤差を最小限に抑える最適な測定演算子を示す。 大きな量子ビット数の場合、この方法は従来のQRCの訓練よりも効率的である。 パウリ基底分解や演算子対角化を含む効率性や実践的な実装戦略について議論し、ハードウェアの制約に最適なオブザーバブルを適応させる。 画像分類と時系列予測タスクに関する数値実験は、他の量子MLモデルにも適用可能なこのアプローチの有効性を示す。

関連論文リスト

• Neural Quantum States in Mixed Precision [1.424507155580441]
  変分モンテカルロ(VMC)における混合精度算術の役割について検討する。 VMCは計算に難解な量子多体系を解くのに広く使われている方法である。 特に量子状態のサンプリングは,精度を損なうことなく,半精度で行うことができることを示す。
  論文  参考訳（メタデータ） (2026-01-28T17:15:58Z)
• Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
  この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。 本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。 提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
  論文  参考訳（メタデータ） (2025-04-17T15:41:48Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Memory-Augmented Hybrid Quantum Reservoir Computing [0.0]
  本稿では、量子計測の古典的後処理を通じてメモリを実装するハイブリッド量子古典的アプローチを提案する。 我々は、完全に連結されたIsingモデルとRydberg原子配列の2つの物理プラットフォーム上でモデルをテストした。
  論文  参考訳（メタデータ） (2024-09-15T22:44:09Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• On-Chip Hardware-Aware Quantization for Mixed Precision Neural Networks [52.97107229149988]
  エッジデバイス上でハードウェア対応の混合精度量子化を行うOn-Chipハードウェア・アウェア量子化フレームワークを提案する。 このパイプラインは、量子化プロセスが量子化演算子の実際のハードウェア効率を知覚することを可能にする。 精度測定のために,マルチチップシナリオにおける演算子の精度への影響を効果的に推定するMask-Guided Quantization Estimation技術を提案する。
  論文  参考訳（メタデータ） (2023-09-05T04:39:34Z)
• Resource frugal optimizer for quantum machine learning [0.7046417074932257]
  量子機械学習(Quantum Machine Learning、QML)は、量子コンピュータの応用分野として注目されている。 変分QMLアルゴリズムは、特に量子データを含む場合、実際のハードウェアにおける実用的な問題を解く可能性がある。 我々は、損失関数を定義する測度演算子と同様に、両方のデータセットに対して同時ランダムサンプリングを提唱する。
  論文  参考訳（メタデータ） (2022-11-09T15:29:03Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)

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。