論文の概要: Quantum reservoir computing with classical and nonclassical states in an integrated optical circuit

• arxiv url: http://arxiv.org/abs/2603.17103v1
• Date: Tue, 17 Mar 2026 19:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.376173
• Title: Quantum reservoir computing with classical and nonclassical states in an integrated optical circuit
• Title（参考訳）: 集積光回路における古典的および非古典的状態を用いた量子貯水池計算
• Authors: S. Świerczewski, W. Verstraelen, P. Deuar, T. C. H. Liew, A. Opala, M. Matuszewski,
• Abstract要約: 量子貯水池コンピューティング(QRC)は、ハードウェアで実装可能な量子ニューラルネットワーク方式である。 正の位相空間法を拡張して, ボソニック, 線形シリコンチップ系QRC系を効率的にシミュレーションする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum reservoir computing (QRC) is a hardware-implementation-friendly quantum neural network scheme with minimal physical system requirements and a proven advantage over classical counterparts. We use an extension of the positive-P phase space method to efficiently simulate a bosonic, linear silicon-chip based QRC system excited with a single nonclassical state, a "kitten" state. In combination with input-encoding coherent states, our method allows to obtain exact results for all correlation functions without Hilbert space cutoff. Surprisingly, we find that such a setting - where the only "quantumness'' derives from a single input mode, is sufficient to obtain significant (over 9-fold) reduction of classification error over the classical counterpart. Our work provides a promising direction toward efficient quantum computation with accessible optical hardware.
• Abstract（参考訳）: 量子貯水池コンピューティング(QRC)は、ハードウェアで実装しやすい量子ニューラルネットワークスキームで、物理的システム要件は最小限であり、古典的なものよりも優れていることが証明されている。 正P相空間法の拡張を用いて, 単古典状態, キッテン状態で励起されたボソニック, 線形シリコンチップ系QRC系を効率的にシミュレーションする。 入力エンコードコヒーレント状態と組み合わせることで、ヒルベルト空間カットオフなしで全ての相関関数の正確な結果を得ることができる。 驚くべきことに、そのような「量子性」だけが単一の入力モードから導かれるような設定は、古典的手法よりも大きな(9倍以上の)分類誤差を減少させるのに十分である。 我々の研究は、アクセス可能な光学ハードウェアによる効率的な量子計算への有望な方向を提供する。

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)
• Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
  本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。 提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
  論文  参考訳（メタデータ） (2024-06-17T14:10:10Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Sparse Quantum State Preparation for Strongly Correlated Systems [0.0]
  原理として、指数関数的にスケールする多電子波関数を線形にスケールする量子ビットレジスタに符号化することは、従来の量子化学法の限界を克服するための有望な解決策を提供する。 基底状態量子アルゴリズムが実用的であるためには、量子ビットの初期化が要求される基底状態の高品質な近似に必須である。 量子状態準備(QSP)は、古典的な計算から得られる近似固有状態の生成を可能にするが、量子情報のオラクルとして頻繁に扱われる。
  論文  参考訳（メタデータ） (2023-11-06T18:53:50Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Interactive Protocols for Classically-Verifiable Quantum Advantage [46.093185827838035]
  証明者と検証者の間の「相互作用」は、検証可能性と実装のギャップを埋めることができる。 イオントラップ量子コンピュータを用いた対話型量子アドバンストプロトコルの最初の実装を実演する。
  論文  参考訳（メタデータ） (2021-12-09T19:00:00Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。