論文の概要: Efficient classical training of model-free quantum photonic reservoir
- arxiv url: http://arxiv.org/abs/2604.12441v1
- Date: Tue, 14 Apr 2026 08:29:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.339986
- Title: Efficient classical training of model-free quantum photonic reservoir
- Title（参考訳）: モデルのない量子フォトニック貯水池の効率的な古典的訓練
- Authors: Rosario Di Bartolo, Valeria Cimini, Giorgio Minati, Danilo Zia, Luca Innocenti, Salvatore Lorenzo, Gabriele Lo Monaco, Nicolò Spagnolo, Taira Giordani, G. Massimo Palma, Mauro Paternostro, Alessandro Ferraro, Fabio Sciarrino,
- Abstract要約: フォトニック量子極端学習マシンのトレーニング戦略を導入する。
学習段階と測定条件の最適化の両方を古典的な光で完全に行う。
実験により、古典的量子移動により、単一キュービットのパウリ観測値の正確な再構成が可能であることを示す。
- 参考スコア（独自算出の注目度）: 28.404018926483985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Model-independent estimation of the properties of quantum states is a central challenge in quantum technologies, as experimental imperfections, drifts, and imprecise models of the actual quantum dynamics inevitably hinder accurate reconstructions. Here, we introduce a training strategy for photonic quantum extreme learning machines in which both the learning stage and the optimization of the measurement settings are performed entirely with classical light, while inference is carried out on genuinely quantum states. The protocol is based on the identity between the normalized output intensities following the evolution of coherent states through a linear optical reservoir, and the output statistics obtained with separable input quantum states. Building on this correspondence, we implemented a model-free, gradient-based optimization of the reservoir measurement projection directly on experimental data, without relying on a prior model of the device transformation. We experimentally show that the resulting classical-to-quantum transfer enables accurate reconstruction of single-qubit Pauli observables for previously unseen single-photon states, and extends to the estimation of a two-qubit entanglement witness for arbitrary bipartite states. Beyond demonstrating a qualitatively distinct form of out-of-distribution generalization across the classical-to-quantum boundary, our results identify a practical route to fast, adaptive, and resource-efficient training of photonic quantum learning devices.
- Abstract（参考訳）: 量子状態の性質のモデルに依存しない推定は、実験的な不完全性、ドリフト、実際の量子力学の不正確なモデルが必然的に正確な再構成を妨げるため、量子技術において中心的な課題である。
本稿では、学習段階と測定条件の最適化を古典的な光で完全に行い、真に量子状態の推論を行うフォトニック量子極端学習装置のトレーニング戦略を紹介する。
このプロトコルは、線形光学貯水池によるコヒーレント状態の進化に続く正規化出力強度と、分離可能な入力量子状態で得られる出力統計との同一性に基づいている。
この対応に基づいて, デバイス変換の事前モデルに頼ることなく, 実験データに基づいて, モデルフリーで勾配に基づく貯水池計測予測の最適化を行った。
実験により, 古典-量子移動により, 従来見えなかった単光子状態のパウリ観測値の正確な再構成が可能であることが確認された。
古典-量子境界をまたいだ分布外一般化の質的に異なる形態を示すことに加えて,光量子学習装置の高速で適応的で資源効率のよい訓練を行うための実践的な方法を見出した。
関連論文リスト
- Hybrid Classical-Quantum Transfer Learning with Noisy Quantum Circuits [0.0]
画像分類のためのコンパクトな量子トランスファー学習アーキテクチャのファミリを紹介する。
我々はPennyLaneとQiskitで実装された古典量子ハイブリッドモデルのインスタンス化と評価を行う。
実験の結果,提案した量子伝達学習アーキテクチャは競争力があり,いくつかの場合において精度が優れていることがわかった。
論文 参考訳（メタデータ） (2026-03-17T12:28:33Z) - Generative modeling with Gaussian Boson Sampling: classically trainable Bosonic Born Machines [0.1449880056570423]
パラメトリゼーションされたガウスボソンサンプリング回路上に構築されたフォトニック量子生成モデルを導入する。
このトレーニングは、状態のガウス構造によって実現される期待値の効率的な古典的評価に基づいている。
最大805モードと100万以上のトレーニング可能なパラメータを持つフォトニックシステムにおける数値実験によるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2026-03-11T18:04:11Z) - Efficient training of photonic quantum generative models [0.0]
本稿では,古典的シミュレーションを効率的に行うことができる中間複雑回路の特性を利用する。
本稿では,光子固有量子生成モデルの最大平均誤差に基づく効率的なトレーニング手法を提案する。
論文 参考訳（メタデータ） (2026-03-09T18:00:11Z) - Quantification of Quantum Dynamical Properties with Two Experimental Settings [1.6182874672133758]
本稿では,2つの非偏り基底のみを用いて特性測定を推定する近似最適化手法を提案する。
このシステムサイズの独立性は、エラーの蓄積を防止し、固有量子力学の特徴づけを可能にする。
提案手法は,チップスケール量子プロセッサから長距離量子ネットワークに至るまで,アーキテクチャの動的特性の推定に適していることを示す。
論文 参考訳（メタデータ） (2025-08-27T08:27:51Z) - Quantum Latent Diffusion Models [65.16624577812436]
本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。
これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。
この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
論文 参考訳（メタデータ） (2025-01-19T21:24:02Z) - 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) - Experimental property-reconstruction in a photonic quantum extreme learning machine [28.404018926483985]
我々は、光子の偏光状態の資源効率と正確な評価を実現するために、フォトニックプラットフォームに量子エクストリームラーニングマシンを実装した。
本研究では, 未知の偏光状態の再構成が測定装置の注意深い評価を必要とせず, 実験的不完全性に対して頑健であることを示す。
論文 参考訳（メタデータ） (2023-08-08T19:22:03Z) - Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。
テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。
この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文 参考訳（メタデータ） (2023-05-18T03:08:18Z) - Regression of high dimensional angular momentum states of light [47.187609203210705]
空間強度分布の測定から入力OAM状態を再構成する手法を提案する。
我々は、量子ウォークダイナミックスによって4次元のOAM状態を生成する、実際のフォトニックなセットアップで我々のアプローチを実証する。
論文 参考訳（メタデータ） (2022-06-20T16:16:48Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2020-07-31T17:25:12Z)
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。