論文の概要: Measurement-Induced Quantum Neural Network

• arxiv url: http://arxiv.org/abs/2603.19200v1
• Date: Thu, 19 Mar 2026 17:52:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.313347
• Title: Measurement-Induced Quantum Neural Network
• Title（参考訳）: 測定誘起量子ニューラルネット
• Authors: Paul Argyle, Djamil Lakhdar-Hamina, Sarah H. Miller, Victor Galitski,
• Abstract要約: 我々は、測定誘起量子ニューラルネットワーク(MINN)を導入する。 MINNは適応的な監視回路アーキテクチャであり、中間回路計測結果が後続の層における絡み合うゲートを決定する。 本アーキテクチャをシェリントン・カークパトリックスピングラスの連続最適化,画像分類,基底状態探索に適用する。
• 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 introduce a measurement-induced quantum neural network (MINN), an adaptive monitored-circuit architecture in which mid-circuit measurement outcomes determine the entangling gates in subsequent layers. In contrast to standard monitored circuits where sites and gates are sampled randomly, the gates are parametrized and variational, producing correlated history-dependent dynamics and injecting nonlinearity through measurement back-action. A generic MINN is not expected to be efficiently classically simulable. To demonstrate feasibility, we study a matchgate MINN that admits exact fermionic simulation and can be trained with gradient estimators. We apply the architecture to continuous optimization, image classification, and ground-state search in the Sherrington-Kirkpatrick spin glass, finding effective training and performance over a broad range of monitoring rates.
• Abstract（参考訳）: 本稿では,中回路計測結果がその後の層における絡み合うゲートを決定する適応型監視回路アーキテクチャである,測定誘起量子ニューラルネットワーク(MINN)を提案する。 サイトとゲートがランダムにサンプリングされる標準的な監視回路とは対照的に、ゲートはパラメトリケートされ変動し、相関履歴に依存したダイナミクスを生成し、測定バックアクションを通じて非線形性を注入する。 ジェネリックMINNは、効率よく古典的にシミュレートできるものではない。 フェミオンシミュレーションを正確に行うことができ、勾配推定器で訓練できるマッチングゲートMINNについて検討する。 本アーキテクチャをシェリントン・カークパトリック・スピングラスの連続的最適化,画像分類,地中状態探索に適用し,広範囲の監視速度に対する効果的なトレーニングと性能を見出した。

関連論文リスト

• Graph-Based Bayesian Optimization for Quantum Circuit Architecture Search with Uncertainty Calibrated Surrogates [2.271697926182248]
  本稿では,変分量子回路の発見と改良を行う自動フレームワークを提案する。 回路はグラフとして表現され、期待される改善獲得関数を介して変更され、選択される。 GNN誘導パイプラインは、回路の複雑さが低く、より優れた分類精度の回路を見つける。
  論文  参考訳（メタデータ） (2025-12-10T12:23:04Z)
• Time-Scale Coupling Between States and Parameters in Recurrent Neural Networks [3.924071936547547]
  ゲーテッドニューラルネットワーク(RNN)は、適応的な学習速度の振る舞いを暗黙的に誘発する。 効果は状態空間の時間スケールとパラメータ空間のダイナミクスの結合から生じる。 経験的シミュレーションはこれらの主張を裏付ける。
  論文  参考訳（メタデータ） (2025-08-16T18:19:34Z)
• Sequence-Model-Guided Measurement Selection for Quantum State Learning [15.098042082558544]
  データ駆動で適応的な方法で効率的な測定選択を探索するシーケンスモデルアーキテクチャを備えたディープニューラルネットワークを導入する。 このモデルは、量子状態の線形および非線形特性の予測を含む様々なタスクに適用できる。 トポロジカル量子系では、タスクがバルク特性を予測する場合であっても、我々のモデルはシステムのバウンダリでの計測を推奨する傾向にある。
  論文  参考訳（メタデータ） (2025-07-14T03:50:42Z)
• DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [43.56429251312585]
  本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。 リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。 ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
  論文  参考訳（メタデータ） (2025-07-03T17:35:06Z)
• Certified Neural Approximations of Nonlinear Dynamics [51.01318247729693]
  安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。 本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T13:22:20Z)
• Neural network enhanced cross entropy benchmark for monitored circuits [0.0]
  我々は、リカレントニューラルネットワークを用いて、ネイティブトラップイオンMIPTの測定記録の表現を学習する。 この生成モデルを用いることで,クロスエントロピーを正確に推定するために必要な測定回数を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2025-01-22T16:46:39Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
  本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。 異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。 出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
  論文  参考訳（メタデータ） (2022-03-29T21:18:47Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)

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。