論文の概要: Quantum Sidecar Architectures for Hybrid AI Training and Inference: Stateful Protected Registers, Stateless Reset-and-Reprepare Circuits and Quantum Weight-State Outlook

• arxiv url: http://arxiv.org/abs/2605.18031v1
• Date: Mon, 18 May 2026 08:21:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.119152
• Title: Quantum Sidecar Architectures for Hybrid AI Training and Inference: Stateful Protected Registers, Stateless Reset-and-Reprepare Circuits and Quantum Weight-State Outlook
• Title（参考訳）: ハイブリッドAIトレーニングと推論のための量子サイドカーアーキテクチャ:ステートフルプロテクションレジスタ、ステートレスリセット・アンド・リプレパア回路、および量子ウェイトステート展望
• Authors: Y. Mo, G. D. Su,
• Abstract要約: 我々は、将来のハイブリッドAIトレーニングと推論のための量子サイドカーアーキテクチャーファミリを提案する。 古典的大モデルパイプラインに付随する量子コプロセッサに対して、2つの物理的に異なる動作モードを同定する。
• 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 propose a quantum sidecar architecture family for future hybrid AI training and inference. The central idea is not to store an entire Transformer in a small quantum memory, nor to claim one-shot collapse into a fully trained model or an optimal answer. Instead, we identify two physically distinct operating modes for quantum co-processors attached to classical large-model pipelines. The first is a stateful protected-register mode, in which a protected register stores a reusable quantum resource while an ancilla or temporary register performs QND-style readout. The second is a stateless reset-and-reprepare mode, in which each query prepares a task-conditioned quantum circuit, evolves over bounded training or inference control variables, measures candidate signals, resets the qubits, and repeats. We simulate the stateful mode using 2/4/6/8 protected-qubit density-matrix QND-style parity readout with one ancilla and a Qiskit cross-check. For the stateless mode, we include both an abstract candidate-update sampler and a circuit-level QAOA-style statevector sampler over structured candidate landscapes, followed by reset-overhead sensitivity analysis. The resulting framework positions quantum sidecars as bounded signal generators for optimizer-side sampling, adapter or expert selection, retrieval, routing, and reasoning-path proposal. As a speculative outlook, we introduce quantum weight-state sidecars: restricted quantum representations over model-control variables, not direct encodings of complete classical weight tensors.
• Abstract（参考訳）: 我々は、将来のハイブリッドAIトレーニングと推論のための量子サイドカーアーキテクチャーファミリを提案する。 中心となる考え方は、Transformer全体を小さな量子メモリに格納するのではなく、完全にトレーニングされたモデルや最適な解答にワンショットの崩壊を主張することである。 代わりに、古典的な大モデルパイプラインに付随する量子コプロセッサに対して、物理的に異なる2つの動作モードを同定する。 1つ目は、保護レジスタが再利用可能な量子リソースを格納し、アシラまたは一時レジスタがQNDスタイルの読み出しを行うステートフル保護登録モードである。 2つ目はステートレスリセット・アンド・リプレパアモードで、各クエリはタスク条件付き量子回路を作成し、境界付きトレーニングや推論制御変数を越えて進化し、候補信号を測定し、キュービットをリセットし、繰り返す。 我々は,2/4/6/8の保護量子密度行列QND型パリティ読み出しと1つのアンシラとQiskitクロスチェックを用いてステートフルモードをシミュレートする。 ステートレスモードでは、抽象的候補更新サンプリングと、構造化された候補ランドスケープ上の回路レベルQAOAスタイルのステートベクターサンプリングの両方を含む。 このフレームワークは量子サイドカーを、最適化側サンプリング、アダプタまたは専門家の選択、検索、ルーティング、推論パスの提案のための有界信号生成器として位置付ける。 投機的な展望として、古典的なテンソルの直接符号化ではなく、モデル制御変数上の量子表現を制限する量子ウェイトステートサイドカーを導入する。

関連論文リスト

• SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
  基底状態探索は量子コンピューティングの中心である。 我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。 我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
  論文  参考訳（メタデータ） (2026-03-25T13:38:15Z)
• Hybrid Quantum-Classical Recurrent Neural Networks [0.10152838128195468]
  本稿では,ハイブリッド型量子古典的リカレントニューラルネットワークアーキテクチャを提案する。 隠れ状態は、古典的なフィードフォワードネットワークによって制御される$n$-qubit量子回路(PQC)の量子状態である。 我々は、感情分析、MNIST、置換されたMNIST、メモリのコピー、言語モデリングを最大14キュービットでシミュレーションで評価する。
  論文  参考訳（メタデータ） (2025-10-29T14:21:49Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Capturing Quantum Snapshots from a Single Copy via Mid-Circuit Measurement and Dynamic Circuit [1.912429179274357]
  Quantum Snapshot with Dynamic Circuit (QSDC)は、量子スナップショットをキャプチャするハードウェアに依存しない学習駆動のフレームワークである。 本稿では、未知の量子状態の再構成のために古典的モデルを訓練する推測・検査手法を提案する。 本手法は,動的回路をサポートしたハードウェアを前提として,シングルコピー・中間回路状態再構成をサポートする。
  論文  参考訳（メタデータ） (2025-04-30T01:18:21Z)
• Quantum Homogenization as a Quantum Steady State Protocol on NISQ Hardware [42.52549987351643]
  量子ホモジェナイゼーション(quantum homogenization)は、貯水池に基づく量子状態近似プロトコルである。 我々は、標準的な量子同化プロトコルを、動的に等価(mathttSWAP$)$alpha$の定式化に拡張する。 提案プロトコルは,コード部分空間の修正が可能な完全正のトレース保存(CPTP)マップを生成する。
  論文  参考訳（メタデータ） (2024-12-19T05:50:54Z)
• Variational Quantum Subspace Construction via Symmetry-Preserving Cost Functions [36.94429692322632]
  低次エネルギー状態の抽出のための削減部分空間を反復的に構築するために,対称性保存コスト関数に基づく変動戦略を提案する。 概念実証として, 基底状態エネルギーと電荷ギャップの両方を対象とし, 提案アルゴリズムをH4鎖とリング上で検証した。
  論文  参考訳（メタデータ） (2024-11-25T20:33:47Z)
• The Quantum Imitation Game: Reverse Engineering of Quantum Machine Learning Models [2.348041867134616]
  量子機械学習(QML)は、機械学習モデルと量子コンピューティングのパラダイムを融合させる。 量子コンピューティングのNoisy Intermediate-Scale Quantum(NISQ)時代における多くのサードパーティベンダーの拡大により、QMLモデルのセキュリティが最重要となる。 我々は、信頼できない量子クラウドプロバイダが、推論中にトランスパイルされたユーザ設計のトレーニングされたQMLモデルにホワイトボックスアクセスを持つ敵であると仮定する。
  論文  参考訳（メタデータ） (2024-07-09T21:35:19Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Mapping quantum circuits to shallow-depth measurement patterns based on graph states [0.0]
  我々は,測定に基づく量子コンピューティングのためのハイブリッドシミュレーション手法を開発した。 完全可換作用素の群は完全並列、すなわち非適応的測定を用いて実装可能であることを示す。 量子テレポーテーションを用いることで、そのような回路を一定の量子深さで実装する方法について議論する。
  論文  参考訳（メタデータ） (2023-11-27T19:00:00Z)
• A quantum processor based on coherent transport of entangled atom arrays [44.62475518267084]
  量子プロセッサは動的で非局所的な接続を持ち、絡み合った量子ビットは高い並列性でコヒーレントに輸送されることを示す。 このアーキテクチャを用いて,クラスタ状態や7キュービットのSteane符号状態などの絡み合ったグラフ状態のプログラム生成を実現する。
  論文  参考訳（メタデータ） (2021-12-07T19:00:00Z)

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。