論文の概要: Scalable Quantum Reservoir Computing over Distributed Quantum Architectures

• arxiv url: http://arxiv.org/abs/2605.04991v1
• Date: Wed, 06 May 2026 14:50:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.885484
• Title: Scalable Quantum Reservoir Computing over Distributed Quantum Architectures
• Title（参考訳）: 分散量子アーキテクチャによるスケーラブル量子貯留層計算
• Abstract要約: 貯留層コンピューティングは、時間を通してバックプロパゲーションの一般的な問題を克服し、単純な読み出し層のみをトレーニングすることで、リカレントニューラルネットワークの代替手段を提供する。 単層または複数(分散)の貯水池と単層または複数(分散)のリッジ・レグレス・リードアウト・レイヤを組み合わせた4つの異なるアーキテクチャを探索し、ベンチマークする。 その結果,平均絶対誤差 (MAE) と平均二乗誤差 (RMSE) を78.8%, 72.3%に削減することにより, 量子化による予測精度の向上が図られた。
• 参考スコア（独自算出の注目度）: 0.21108097398435335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir computing provides an alternative to recurrent neural networks by overcoming the common problems of backpropagation through time and by training only a simple readout layer. The emerging field of quantum computing offers a new computing paradigm that promises to enhance learning through richer feature representations. In this work, we investigate quantum reservoir computing for time-series forecasting. We explore and benchmark four different architectures that combine single or multiple (distributed) reservoirs with single or multiple (distributed) ridge-regression readout layers. We evaluate these architectures using ideal and hardware-informed noisy simulations, and include both hybrid and fully quantum variants, with classical reservoir counterparts serving as a baseline. The results indicate that quantum-enhanced configurations consistently improve forecasting accuracy by reducing the mean absolute error (MAE) and the root mean squared error (RMSE) up to 78.8% and 72.3%, respectively, while distributed architectures effectively enable scaling by utilizing multiple quantum resources in a hardware-agnostic manner. These findings support distributed quantum reservoir computing as a promising, modular approach for forecasting on the quantum platforms of the noisy intermediate-scale quantum (NISQ) era.
• Abstract（参考訳）: 貯留層コンピューティングは、時間を通してバックプロパゲーションの一般的な問題を克服し、単純な読み出し層のみをトレーニングすることで、リカレントニューラルネットワークの代替手段を提供する。 量子コンピューティングの新しい分野は、よりリッチな特徴表現を通じて学習を強化することを約束する新しいコンピューティングパラダイムを提供する。 本研究では,時系列予測のための量子貯水池計算について検討する。 単層または複数(分散)の貯水池と単層または複数(分散)のリッジ・レグレス・リードアウト・レイヤを組み合わせた4つの異なるアーキテクチャを探索し、ベンチマークする。 我々はこれらのアーキテクチャを,理想的およびハードウェアインフォームドノイズシミュレーションを用いて評価し,従来の貯水池がベースラインとして機能するハイブリッドおよび完全量子変種の両方を含む。 その結果,平均絶対誤差 (MAE) とルート平均二乗誤差 (RMSE) を78.8%, 72.3%に削減し, 分散アーキテクチャは複数の量子リソースをハードウェアに依存しない方法で効果的にスケーリングできることを示した。 これらの知見は、ノイズの多い中間スケール量子(NISQ)時代の量子プラットフォーム上で予測するための有望でモジュラーなアプローチとして、分散量子貯水池コンピューティングを支持している。

関連論文リスト

• Distributed quantum architecture search using multi-agent reinforcement learning [0.09999629695552194]
  量子アーキテクチャサーチ(QAS)は、変分量子アルゴリズムのためのパラメータ化量子回路の設計を自動化する。 本稿では,量子回路の独自のブロック上で,各エージェントが個別に作用する新しいマルチエージェントRLアルゴリズムを提案する。 提案アルゴリズムは3つの正則グラフ上でのMaxCut問題とシュヴィンガー・ハミルトニアンの地上エネルギー推定についてベンチマークする。
  論文  参考訳（メタデータ） (2025-11-27T19:00:00Z)
• Optimizing Compilation for Distributed Quantum Computing via Clustering and Annealing [14.652241553662327]
  これらの課題に対処する包括的なコンパイルフレームワークを提案する。 量子回路内の構造パターンを利用して、初期量子ビット配置のクラスタリングと量子ビットマッピングの調整を行う。 本手法は, 基準値と比較して, 目標値の88.40%を最小に削減する。
  論文  参考訳（メタデータ） (2025-08-21T06:00:24Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• 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)
• Quantum parallel information exchange (QPIE) hybrid network with transfer learning [18.43273756128771]
  量子機械学習(QML)は、複雑なパターンを明らかにする可能性のある革新的なフレームワークとして登場した。 量子並列情報交換(QPIE)ハイブリッドネットワークを導入する。 量子処理ユニットにパラメータシフトルールを適用する動的勾配選択法を開発した。
  論文  参考訳（メタデータ） (2025-04-05T17:25:26Z)
• Memory-Augmented Hybrid Quantum Reservoir Computing [0.0]
  本稿では、量子計測の古典的後処理を通じてメモリを実装するハイブリッド量子古典的アプローチを提案する。 我々は、完全に連結されたIsingモデルとRydberg原子配列の2つの物理プラットフォーム上でモデルをテストした。
  論文  参考訳（メタデータ） (2024-09-15T22:44:09Z)
• 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)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Copula-based Risk Aggregation with Trapped Ion Quantum Computers [1.541403735141431]
  コプラは、合同確率分布をモデル化するための数学的ツールである。 コプラを最大絡み合った量子状態として表現できることの最近の発見は、実用的な量子優位性に対する有望なアプローチを明らかにしている。 シミュレータと最先端のイオン量子コンピュータ上での回路設計と精度の異なるQCBMのトレーニングについて検討する。
  論文  参考訳（メタデータ） (2022-06-23T18:39:30Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)

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。