論文の概要: Quantum Reservoir Computing for Statistical Classification in a Superconducting Quantum Circuit
- arxiv url: http://arxiv.org/abs/2602.15474v1
- Date: Tue, 17 Feb 2026 10:29:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 16:03:18.03104
- Title: Quantum Reservoir Computing for Statistical Classification in a Superconducting Quantum Circuit
- Title（参考訳）: 超伝導量子回路における統計的分類のための量子貯留層計算
- Authors: J. J. Prieto-Garcia, A. G. del Pozo-Martín, M. Pino,
- Abstract要約: 本稿では,QRC(Quantum Reservoir Computing)が複雑な確率分布を正確に分類できることを示す。
情報量に制限がある場合、QRCは最も優れた古典的手法のいくつかを上回ります。
これは、実世界の問題に対処できるノイズ耐性量子学習アプローチの可能性を示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We analyze numerically the performance of Quantum Reservoir Computing (QRC) for statistical and financial problems. We use a reservoir composed of two superconducting islands coupled via their charge degrees of freedom. The key non-linear elements that provide the reservoir with rich and complex dynamics are the Josephson junctions that connect each island to the ground. We show that QRC implemented in this circuit can accurately classify complex probability distributions, including those with heavy tails, and identify regimes in correlated time series, such as periods of high volatility generated by standard econometric models. We find QRC to outperform some of the best classical methods when the amount of information is limited. This demonstrates its potential to be a noise-resilient quantum learning approach capable of tackling real-world problems within currently available superconducting platforms. We further discuss how to improve our QRC algorithm in real superconducting hardware to benefit from a much larger Hilbert space.
- Abstract（参考訳）: 統計的・経済的問題に対するQRC(Quantum Reservoir Computing)の性能を数値的に分析する。
我々は、2つの超伝導島からなる貯水池を、その電荷の度合いによって結合する。
貯水池にリッチで複雑な力学を与える重要な非線形要素は、各島と地上を結ぶジョセフソン接合である。
この回路で実装されたQRCは、重みのある部分を含む複雑な確率分布を正確に分類でき、標準の計量モデルによって生成される高ボラティリティの周期などの相関時系列の規則を識別できることを示す。
情報量に制限がある場合、QRCは最も優れた古典的手法のいくつかを上回ります。
これは、現在利用可能な超伝導プラットフォーム内の現実の問題に対処できるノイズ耐性量子学習アプローチの可能性を示している。
さらに、より大きなヒルベルト空間の恩恵を受けるために、実超伝導ハードウェアにおけるQRCアルゴリズムを改善する方法について論じる。
関連論文リスト
- AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳（メタデータ） (2026-02-02T14:39:42Z) - 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) - Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。
近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。
QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
論文 参考訳（メタデータ） (2025-10-15T12:17:23Z) - Edge of Many-Body Quantum Chaos in Quantum Reservoir Computing [0.0]
貯水池コンピューティングでは、一般的に最適なパフォーマンスは、秩序とカオスの境界であるカオスの端で達成される。
ここでは、有名なSachdev-Ye-Kitaevモデルに実装されたQRCを用いて量子多体対向体を同定する。
論文 参考訳（メタデータ） (2025-06-21T02:33:49Z) - 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) - 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) - 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) - Selected applications of typicality to real-time dynamics of quantum
many-body systems [0.0]
量子典型性の概念は、単一の純粋な状態が完全な統計的アンサンブルを模倣できるという事実を指す。
この事実は、量子多体系の力学をシミュレートする非常に単純な数値的なアプローチを生み出した。
論文 参考訳（メタデータ） (2020-01-15T13:12:07Z)
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。