論文の概要: Photonic-Implemented Efficient Deep Quantum Neural Network via Virtual-Driven Hilbert Space Expansion

• arxiv url: http://arxiv.org/abs/2605.06397v1
• Date: Thu, 07 May 2026 15:10:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.932885
• Title: Photonic-Implemented Efficient Deep Quantum Neural Network via Virtual-Driven Hilbert Space Expansion
• Title（参考訳）: 仮想駆動ヒルベルト空間展開によるフォトニック実装高効率深部量子ニューラルネット
• Authors: Haoran Ma, Huihui Zhu, Zichao Zhao, Qishen Liang, Liao Ye, Baojie Hou, Jia Guo, Leong Chuan Kwek, Mile Gu, Jayne Thompson, Wei Luo, Yuehai Wang, Jianyi Yang,
• Abstract要約: 集積フォトニックプラットフォーム上に実装された量子ニューラルネットワーク(QNN)は、例外的な計算能力の強化を提供する。 重要な課題は、線形量子フォトニクスシステムにおいて、QNNの基本的な非単項および非線形活性化関数を実装することである。 本稿では,入力複製とモード展開によるHilbert空間を拡張した新しいディープフォトニックQNNを提案する。 このアプローチにより、物理量子ビット、測定誘起量子ビット消費、測定装置の負荷が不要になる。
• 参考スコア（独自算出の注目度）: 14.87228229418423
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing computational demands of classical neural networks have intensified the search for energy-efficient and powerful computational alternatives. Quantum neural networks (QNNs) implemented on integrated photonic platforms offer a compelling avenue, offering exceptional computational power enhancements, with inherent programmability and scalability of integrated architectures. A critical challenge, however, is implementing the fundamental non-unitary and nonlinear activation function of QNNs within a linear quantum photonic system. Existing strategies, such as the adding ancillary qubits and measurement-based feedback or forward are constrained by high qubit resource costs, overhead devices, and poor cascadability. Here, we propose a novel deep photonic QNN with an expanded computational Hilbert space via input replication and mode expansion, which enables the realization of effective non-unitary and nonlinear activation on a linear programmable quantum photonic chip. This approach eliminates the need for physical ancillary qubits, measurement-induced qubit consumption and the measurement device burden, thereby significantly reduce resource costs. The fabricated chip integrates four high-quality entanglement sources and a programmable high-dimensional interferometric network, enabling a two-hidden-layer QNN that exhibits dimension-enhanced expressivity over the existing QNN architectures. We demonstrate its capabilities across diverse tasks, including nonlinear classification, image generation, and quantum Gibbs state preparation. This work establishes a scalable and efficient architecture toward practical quantum deep learning systems capable of tackling problems beyond the reach of classical computation.
• Abstract（参考訳）: 古典的ニューラルネットワークの計算要求の増大により、エネルギー効率と強力な計算代替品の探索が強化された。 統合フォトニックプラットフォームに実装された量子ニューラルネットワーク(QNN)は、本質的にプログラム可能性と統合アーキテクチャのスケーラビリティを備えた、例外的な計算能力の向上を提供する、魅力的な道を提供する。 しかし、重要な課題は、線形量子フォトニクスシステムにおいて、QNNの基本的な非単項および非線形活性化関数を実装することである。 補助量子ビットの追加や測定ベースのフィードバックや前方といった既存の戦略は、高いキュービットリソースコスト、オーバーヘッドデバイス、カスケーダビリティの低下によって制約される。 本稿では,線形プログラマブル量子フォトニックチップ上での有効非一意的および非線形な活性化を実現するための,入力レプリケーションとモード展開による拡張された計算ヒルベルト空間を持つ新しいディープフォトニックQNNを提案する。 このアプローチは, 物理量子ビット, 測定誘起量子ビット消費, 測定装置の負荷を低減し, 資源コストを大幅に削減する。 製造チップは、4つの高品質な絡み合い源とプログラム可能な高次元干渉ネットワークを統合し、既存のQNNアーキテクチャに対して次元強調表現性を示す2層QNNを実現する。 非線形分類,画像生成,量子ギブス状態準備など,様々なタスクにまたがる能力を示す。 この研究は、古典的な計算の範囲を超えて問題に取り組むことができる実用的な量子深層学習システムに向けたスケーラブルで効率的なアーキテクチャを確立する。

関連論文リスト

• Hardware-inspired Continuous Variables Quantum Optical Neural Networks [0.27998963147546146]
  量子光学において、ガウス作用素は光モードの二次函数上のアフィン写像を誘導する。 この研究は、連続可変量子光学ニューラルネットワークのための実験的に実現可能な新しいフレームワークを提示する。
  論文  参考訳（メタデータ） (2025-12-04T19:20:27Z)
• LCQNN: Linear Combination of Quantum Neural Networks [7.010027035873597]
  量子ニューラルネットワークの線形結合(LCQNN)フレームワークについて述べる。 制御ユニタリの$k$を採用する、あるいはモデルを特定の群理論部分空間に制限するといった構造的選択が、勾配の崩壊を防ぐことを示す。 群行動シナリオでは、対称性を利用して指数関数的に大きい既約部分空間を除外することにより、モデルはバレンプラトーを回避できることを示す。
  論文  参考訳（メタデータ） (2025-07-03T17:43:10Z)
• 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)
• Photonic Quantum Convolutional Neural Networks with Adaptive State Injection [0.39928148142956393]
  我々は、状態注入を備えた粒子数保存回路に基づいて、最初のフォトニック量子畳み込みニューラルネットワーク(PQCNN)を設計、実験的に実装した。 半導体量子ドットを用いた単一光子源を用いたフォトニックプラットフォーム上でのバイナリ画像分類のためのPQCNNを実験的に検証した。 短期量子デバイスと互換性のある非線形ボソンサンプリングタスクに対する単純な適応手法の可能性を強調した。
  論文  参考訳（メタデータ） (2025-04-29T17:57:01Z)
• The Impact of Architecture and Cost Function on Dissipative Quantum Neural Networks [0.016385815610837167]
  本稿では,各ビルディングブロックが任意の量子チャネルを実装可能な,散逸型量子ニューラルネットワーク(DQNN)の新しいアーキテクチャを提案する。 アイソメトリの多目的な1対1パラメトリ化を導出し,提案手法の効率的な実装を可能にした。
  論文  参考訳（メタデータ） (2025-02-13T17:38:48Z)
• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• Quantum Neural Network for Quantum Neural Computing [0.0]
  本稿では,量子ニューラルネットワークのための新しい量子ニューラルネットワークモデルを提案する。 我々のモデルは、状態空間のサイズがニューロンの数とともに指数関数的に大きくなるという問題を回避している。 我々は手書き文字認識や他の非線形分類タスクのモデルをベンチマークする。
  論文  参考訳（メタデータ） (2023-05-15T11:16:47Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• 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)

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。