論文の概要: Machine learning of quantum data using optimal similarity measurements

• arxiv url: http://arxiv.org/abs/2602.23501v1
• Date: Thu, 26 Feb 2026 21:17:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.130325
• Title: Machine learning of quantum data using optimal similarity measurements
• Title（参考訳）: 最適類似度測定を用いた量子データの機械学習
• Authors: Zhenghao Li, Hao Zhan, Shana H. Winston, Ewan Mer, Zhenghao Yin, Shang Yu, Yazeed K. Alwehaibi, Gerard J. Machado, Dayne Marcus Lopena, Lijian Zhang, M. S. Kim, Aonan Zhang, Ian A. Walmsley, Raj B. Patel,
• Abstract要約: ボゾン量子干渉を用いた量子類似性を推定するための,サンプル最適,ハードウェア効率のプロトコルを提案する。 我々は,完全にプログラム可能な集積フォトニックプロセッサをベースとした量子コンピューティングプラットフォームであるemphPrakash-1の方式を実装した。 本研究は,効率的な量子データ解析のためのスケーラブルな経路として,共同オーバーラップ測定を確立した。
• 参考スコア（独自算出の注目度）: 3.104564384044915
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning seeks a computational advantage in data processing by evaluating functions of quantum states, such as their similarity, that can be classically intractable to compute. For quantum advantage to be possible, however, it is essential to bypass costly characterisation of individual data instances in favour of efficient, direct similarity evaluation. Here we demonstrate a sample-optimal, hardware-efficient protocol for estimating quantum similarity -- the state overlap -- using bosonic quantum interference. The sample complexity of this approach is independent of the system dimension and is information-theoretically optimal up to a constant factor. Experimentally, we implement the scheme on \emph{Prakash-1}, a quantum computing platform based on a fully programmable integrated photonic processor. By preparing and interfering qudit states on the chip to directly extract their overlap, we demonstrate classification and online learning of quantum data with high accuracy in realistic noisy experiments. Our results establish joint overlap measurements as a scalable pathway to efficient quantum data analysis and a practical building block for network-integrated quantum machine learning.
• Abstract（参考訳）: 量子機械学習は、古典的に計算可能な類似性などの量子状態の機能を評価することによって、データ処理における計算上の優位性を求める。 しかし、量子的優位性を実現するためには、個々のデータインスタンスのコスト的な特性化を回避し、効率的で直接的な類似性評価を優先することが不可欠である。 ここでは、ボソニック量子干渉を用いて量子類似性(状態重なり合い)を推定するための、サンプル最適化、ハードウェア効率のよいプロトコルを実証する。 このアプローチのサンプルの複雑さはシステム次元とは独立であり、情報理論上は定数係数まで最適である。 実験では,完全プログラム可能な集積フォトニックプロセッサをベースとした量子コンピューティングプラットフォームである \emph{Prakash-1} の方式を実装した。 チップ上にクディット状態を用意して直接重なりを抽出することにより、現実的な雑音実験において、高い精度で量子データの分類とオンライン学習を実演する。 提案手法は,効率的な量子データ解析のためのスケーラブルな経路と,ネットワーク統合量子機械学習のための実用的なビルディングブロックである。

関連論文リスト

• A Resource Efficient Quantum Kernel [0.6299766708197881]
  本研究では,高次元データを扱うために設計された量子特徴写像を導入し,量子ビット数とエンタングリング演算を著しく削減した。 本手法は計算効率を向上しながら重要なデータ特性を保っている。 我々の発見は、近い将来の量子コンピューティングプラットフォーム上で量子機械学習アルゴリズムを実践するための有望な道を開いた。
  論文  参考訳（メタデータ） (2025-07-04T16:12:57Z)
• 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)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Schrödinger as a Quantum Programmer: Estimating Entanglement via Steering [3.187381965457262]
  我々は、量子ステアリング効果を用いて、一般的な二部状態の分離性をテストし、定量化する量子アルゴリズムを開発した。 我々の発見は、ステアリング、絡み合い、量子アルゴリズム、量子計算複雑性理論の間の有意義な関係を提供する。
  論文  参考訳（メタデータ） (2023-03-14T13:55:06Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Optimisation-free Classification and Density Estimation with Quantum Circuits [0.0]
  量子回路を用いた確率密度推定と分類のための新しい機械学習フレームワークの実装を実証する。 このフレームワークは、トレーニングデータセットまたは単一のデータサンプルを、量子特徴写像を介して物理システムの量子状態にマッピングする。 我々は、我々のフレームワークに量子アドバンテージを活用できる変分量子回路のアプローチについて議論する。
  論文  参考訳（メタデータ） (2022-03-28T02:40:24Z)
• Variational Quantum Anomaly Detection: Unsupervised mapping of phase diagrams on a physical quantum computer [0.0]
  量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。 このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。 現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
  論文  参考訳（メタデータ） (2021-06-15T06:54:47Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)
• Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
  グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。 この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。 我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
  論文  参考訳（メタデータ） (2020-01-15T18:36:53Z)

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。