論文の概要: Quantum Reservoir Autoencoder for Blind Decryption: Two-Phase Protocol and Noise Resilience

• arxiv url: http://arxiv.org/abs/2603.12303v1
• Date: Thu, 12 Mar 2026 07:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.69253
• Title: Quantum Reservoir Autoencoder for Blind Decryption: Two-Phase Protocol and Noise Resilience
• Title（参考訳）: ブラインド復号化のための量子貯留層オートエンコーダ:2相プロトコルと耐雑音性
• Authors: Hikaru Wakaura, Taiki Tanimae,
• Abstract要約: リセットノイズチャンネルを用いたノイズ誘導型貯水池でQRA(Quantum Storage Autoencoder)をインスタンス化する。 10個のデータキュービットとランダムな(最適化されていない)リセット確率を持つ単一暗号文プロトコルでは、オープンシステム記憶器は10桁のショットノイズ感度を抑える。
• 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 instantiate the quantum reservoir autoencoder (QRA) with a noise-induced reservoir employing reset noise channels and address two open problems: noise-resilient reversibility and blind decryption. For a single-ciphertext protocol with 10 data qubits and random (non-optimized) reset probabilities, the open-system reservoir suppresses shot-noise sensitivity by ten orders of magnitude, yielding mean-squared error (MSE) $\sim 10^{-14}$ compared with $\sim 10^{-3}$ without reset channels ($N_{\mathrm{shots}} = 1000$). A two-phase protocol trains per-position decoding weights from $M$ shared training plaintexts and decrypts previously unseen messages at MSE $\sim 10^{-4}$, with no statistically significant performance difference among ideal, shot-noise, and reset-plus-shot-noise conditions ($p > 0.05$, 16 seeds). Experiments at $N_q = 5$, 7, and 10 reveal a sharp phase transition at plaintext length $N_c \approx N_q(N_q{+}1)/2 + 8$, providing a design rule for the minimum qubit count. Two blind decoder variants that lack ground-truth targets -- a single-ciphertext cross-path iteration (MSE $\approx 0.3$) and a multi-sample regression variant (MSE $\approx 0.53$, worse than random) -- establish that shared training data is the irreducible requirement for blind decryption. A comparison with variational quantum circuit baselines shows that the fixed-reservoir analytic-readout architecture is dramatically more noise-robust: a quantum recurrent neural network protocol is completely destroyed under depolarizing noise, whereas the QRA remains invariant.
• Abstract（参考訳）: 我々は、リセットノイズチャンネルを用いたノイズ誘導型自動エンコーダ(QRA)をインスタンス化し、ノイズ耐性の可逆性とブラインド復号化の2つの未解決問題に対処する。 10個のデータキュービットとランダムな(最適化されていない)リセット確率を持つ単一暗号プロトコルの場合、オープンシステムレザーバは、平均二乗誤差(MSE)$\sim 10^{-14}$をリセットチャネルのない$\sim 10^{-3}$(N_{\mathrm{shots}} = 1000$)と比較して、10桁のショットノイズ感度を抑える。 MSE $\sim 10^{-4}$は、理想、ショットノイズ、リセット+ショットノイズ条件(p > 0.05$, 16 seed)の間に統計的に有意なパフォーマンス差はない。 N_q = 5$, 7, 10 での実験では、平文長 $N_c \approx N_q(N_q{+}1)/2 + 8$ で鋭い位相遷移が示され、最小量子ビット数の設計規則が与えられる。 2つのブラインドデコーダの変種 -- 単一暗号のクロスパスイテレーション(MSE $\approx 0.3$)とマルチサンプルレグレッションの変種(MSE $\approx 0.53$, worse than random) -- は、共有トレーニングデータがブラインドデ暗号の既約要件であることを証明している。 量子リカレントニューラルネットワークプロトコルは、非偏極ノイズの下で完全に破壊されるが、QRAは不変である。

関連論文リスト

• Quantum Reservoir Autoencoder: Conditions, Protocol, and Noise Resilience [0.0]
  クロスキーペアリングを用いた4列エンコード・デコードプロトコルであるQRA(Emphquantum reservoir autoencoder)を導入する。 10個のデータ量子ビットを持つXYZハミルトニアン貯水池を用いて、QRAは量子ビット数を増やすことなく特徴次元を76に拡張する。 7つの条件と4つのベースライン法にまたがる包括的ノイズ解析では、ショットノイズが支配的であり、非偏極ノイズは中等度因子を付加し、非対称リソース割り当ては、約2桁のMSE改善をもたらす。
  論文  参考訳（メタデータ） (2026-02-23T10:47:38Z)
• $ε$-Softmax: Approximating One-Hot Vectors for Mitigating Label Noise [99.91399796174602]
  ノイズラベルは、正確なディープニューラルネットワークをトレーニングする上で共通の課題となる。 我々は,ソフトマックス層の出力を制御可能な誤差で1ホットベクトルに近似させる,$epsilon$-softmaxを提案する。 理論的には、$epsilon$-softmaxは、ほぼ任意の損失関数に対して制御可能な過剰リスクを持つ耐雑音学習を実現することができる。
  論文  参考訳（メタデータ） (2025-08-04T13:10:48Z)
• Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
  並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。 本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
  論文  参考訳（メタデータ） (2024-01-30T11:40:24Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Low-depth random Clifford circuits for quantum coding against Pauli noise using a tensor-network decoder [2.867517731896504]
  我々は、回路深さが1Dで$d=mathcalO(log n)$に制限された場合でも、ハッシュ境界、すなわち$d=mathcalO(n)$-depthランダム符号化回路で達成できることを数値的に示す。
  論文  参考訳（メタデータ） (2022-12-09T19:00:00Z)
• Random quantum circuits transform local noise into global white noise [118.18170052022323]
  低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。 十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。 ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
  論文  参考訳（メタデータ） (2021-11-29T19:26:28Z)
• Quantum coding with low-depth random circuits [2.4201087215689947]
  我々は、局所接続を持つ低深さランダム回路のアンサンブルを用いて、量子誤り訂正符号を生成する。 ランダム安定化器符号や消去チャネルの場合、深さ$O(log N)$ランダム回路が必要であるという強い証拠が得られます。 これらの結果は、有限レート量子符号が近距離デバイスに実質的に関係していることを示している。
  論文  参考訳（メタデータ） (2020-10-19T18:25:30Z)
• Deep Q-learning decoder for depolarizing noise on the toric code [0.0]
  トーリック符号上の非分極雑音の量子誤差補正のためのAIベースの復号化エージェントを提案する。 エージェントは、深層強化学習(DRL)を使用してトレーニングされ、人工知能ニューラルネットワークは、エラー修正のための$X$、$Y$、および$Z$ Pauli操作の状態をQ値にエンコードする。 DRL型デコーダは,将来的なトポロジカル符号の誤り訂正のためのフレームワークとして期待できる。
  論文  参考訳（メタデータ） (2019-12-30T13:27:07Z)

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。