論文の概要: Memory-enhanced quantum extreme learning machines for characterizing non-Markovian dynamics

• arxiv url: http://arxiv.org/abs/2603.17182v1
• Date: Tue, 17 Mar 2026 22:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.424643
• Title: Memory-enhanced quantum extreme learning machines for characterizing non-Markovian dynamics
• Title（参考訳）: 非マルコフ力学を特徴付けるメモリ強化量子極端学習マシン
• Authors: Hajar Assil, Abderrahim El Allati, Gian Luca Giorgi,
• Abstract要約: 量子力学のパラメータを特徴付け,推定するために,量子エクストリーム学習マシンを用いる。 時間的情報と観測可能な追加を含むQELM特徴空間の拡張が推定性能に与える影響について検討する。
• 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: We use a Quantum Extreme Learning Machine for characterizing and estimating parameters of quantum dynamics generated by a tunable collision model. The input to the learning protocol consists of quantum states produced by successive system environment interactions, while the reservoir is implemented as a disordered many body quantum system evolving under a fixed Hamiltonian. We systematically explore how extending the QELM feature space, through the inclusion of temporal information and additional observables, affects estimation performance. Our results demonstrate that temporal extensions of the feature vector consistently and significantly enhance estimation accuracy relative to the baseline protocol. Notably, incorporating memory from earlier time steps yields the most substantial and robust improvements, whereas extensions based solely on additional observables offer only marginal gains. Crucially, the advantage conferred by temporal memory becomes increasingly pronounced as the dynamics become more strongly non Markovian, indicating that environmental memory effects serve as a constructive resource for learning.
• Abstract（参考訳）: 我々は、チューナブル衝突モデルにより生成された量子力学のパラメータを特徴付け、推定するために量子エクストリーム学習マシンを使用する。 学習プロトコルへの入力は、連続したシステム環境相互作用によって生成される量子状態から成り、貯水池は固定ハミルトニアンの下で進化する多くの身体量子系として実装される。 時間的情報と観測可能な追加を含むQELM特徴空間の拡張が推定性能にどのように影響するかを系統的に検討する。 その結果,特徴ベクトルの時間的拡張が一定であり,ベースラインプロトコルに対する推定精度が著しく向上することが示唆された。 特に、初期のステップからメモリを組み込むことは、最も実質的で堅牢な改善をもたらすが、観測可能な追加のみに基づく拡張は、限界的な利得しか提供しない。 重要なことに、時間記憶によって与えられる利点は、力学がマルコフ的でないより強くなるにつれてますます顕著になり、環境記憶効果が学習のための建設的資源となることを示す。

関連論文リスト

• 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)
• Non-Markovian amplitude damping in a central spin model with random couplings [0.0]
  オープン量子系の非マルコフ的挙動形成におけるシステムバスバス結合の役割について検討する。 削減されたダイナミクスの特性は、環境の本質的な記憶に依存していることを示す。
  論文  参考訳（メタデータ） (2025-09-16T04:50:41Z)
• On the emergence of quantum memory in non-Markovian dynamics [41.94295877935867]
  非マルコフ力学(メモリを含む)は、実際は典型的であり、メモリ効果は量子エラー補正や情報処理といった多くのタスクのリソースとして利用される。 しかし、多くの衝突モデルの力学を実現するために必要なメモリの種類、古典的または量子的タイプは分かっていない。 本研究では、フレドキンゲートを介するアンシラ内相互作用を導入し、量子ホモジェナイザーを非マルコフ系に拡張し、そのメモリの性質を研究する。
  論文  参考訳（メタデータ） (2025-07-29T15:19:26Z)
• Dynamical learning and quantum memory with non-Hermitian many-body systems [37.69303106863453]
  非エルミート系(NH)は、量子技術のための肥大したプラットフォームを提供する。 ランダムグラフ上で定義された対話型NHスピンシステムの例を用いて,この関係について検討する。 第1の例外点の開始は,システムの学習能力の急激な変化に対応することを示す。
  論文  参考訳（メタデータ） (2025-06-09T11:58:40Z)
• Minimal Quantum Reservoirs with Hamiltonian Encoding [72.27323884094953]
  ハミルトニアン符号化に基づく量子貯水池計算のための最小限のアーキテクチャについて検討する。 このアプローチは、一般的に量子機械学習に関連する実験的なオーバーヘッドの多くを回避します。
  論文  参考訳（メタデータ） (2025-05-28T16:50:05Z)
• Non-Markovianity and memory enhancement in Quantum Reservoir Computing [0.8437187555622164]
  非マルコフ力学は制限を克服し、拡張メモリ保持を可能にする。 我々はマルコフから非マルコフ進化への制御された遷移を可能にする埋め込みアプローチを導入する。 本研究では,量子機械学習アーキテクチャにおけるメモリ向上のための重要なリソースとして,量子非マルコビアン性(quantum non-Markovianity)を確立した。
  論文  参考訳（メタデータ） (2025-05-05T09:17:08Z)
• From Stochastic Hamiltonian to Quantum Simulation: Exploring Memory Effects in Exciton Dynamics [0.0]
  我々はハミルトンプロパゲータを用いてエクシトン輸送をシミュレートする量子回路を設計する。 時間関係のゆらぎによってシステムがより高い効率に達することができる「メモリアシスト型」量子輸送の仕組みを同定する。
  論文  参考訳（メタデータ） (2024-04-09T12:38:14Z)
• Ab-initio variational wave functions for the time-dependent many-electron Schrödinger equation [41.94295877935867]
  平均場近似を超越したフェルミオン時間依存波動関数に対する変動的アプローチを提案する。 ニューラルネットワークのパラメータ化によって拡張された時間依存のJastrow因子とバックフロー変換を使用します。 この結果は、時間進化を正確に捉え、相互作用する電子系の量子力学に関する洞察を与える、我々の変分的アプローチの能力を示している。
  論文  参考訳（メタデータ） (2024-03-12T09:37:22Z)

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。