論文の概要: Evidence of Quantum Machine Learning Advantage with Tens of Noisy Qubits

• arxiv url: http://arxiv.org/abs/2605.21346v1
• Date: Wed, 20 May 2026 16:12:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.772122
• Title: Evidence of Quantum Machine Learning Advantage with Tens of Noisy Qubits
• Title（参考訳）: ノイズ量子ビットのテンスを用いた量子機械学習手法の実証
• Authors: Onur Danaci, Yash J. Patel, Riccardo Molteni, Evert van Nieuwenburg, Vedran Dunjko, Jan A. Krzywda,
• Abstract要約: 量子データを含む学習問題は、量子機械学習の利点を示す自然な候補である。 最近の結果は、特定のタスクやノイズのない条件下では、量子データのコヒーレントな処理は、古典的な処理に続く固定測度スキームよりも優れていることを示している。 我々は、現在ノイズの多い量子データの対象となっている利点を示す学習問題に対して、既存のハードウェアの性能のシミュレーションと解析を行う。
• 参考スコア（独自算出の注目度）: 2.8016091833446626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning problems involving quantum data are natural candidates for demonstrating an advantage in quantum machine learning. Recent results indicate that, for certain tasks and under noiseless conditions, coherent processing of quantum data outperforms fixed-measurement schemes followed by classical processing. It remained uncertain whether this performance gap persists at a finite scale, and in the presence of noise that is unavoidable with current quantum devices. In this work, we present simulations and analysis of the performance of existing hardware on a learning problem known to exhibit asymptotic advantage, now subjected to noisy quantum data. Comparing coherent quantum processing directly against fixed-measurement schemes, our results demonstrate a clear performance separation at a scale of just 30 to 40 noisy qubits. Already at this scale, the fundamental bottleneck is no longer classical computation but data acquisition; matching the noisy coherent protocol with measure-first strategies would still require months or even years of measurements. By systematically evaluating hardware constraints such as state preparation, gate errors, readout errors, connectivity, and coherence times, we provide evidence that a demonstration of such a strong learning advantage is accessible on near-term devices.
• Abstract（参考訳）: 量子データを含む学習問題は、量子機械学習の利点を示す自然な候補である。 最近の結果は、特定のタスクやノイズのない条件下では、量子データのコヒーレントな処理は、古典的な処理に続く固定測度スキームよりも優れていることを示している。 この性能ギャップが有限スケールで持続するか、現在の量子デバイスでは避けられないノイズが存在するかは、まだ不明である。 本研究では,現在ノイズの多い量子データの対象となっている漸近的優位性を示す学習問題に対して,既存のハードウェアの性能シミュレーションと解析を行う。 本研究は, コヒーレント量子処理を固定測度法と直接比較することにより, 30〜40量子ビットのスケールでの明確な性能分離を実証した。 このスケールでは既に、基本的なボトルネックは古典的な計算ではなく、データ取得である。 状態準備,ゲートエラー,読み出しエラー,接続時間,コヒーレンス時間などのハードウェア制約を体系的に評価することにより,このような強力な学習優位性の実証が,短期的なデバイスで利用できることを示す。

関連論文リスト

• Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
  この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。 本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。 近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
  論文  参考訳（メタデータ） (2025-08-29T10:37:19Z)
• Computational Performance Bounds Prediction in Quantum Computing with Unstable Noise [6.6884244790434195]
  量子デバイスにおけるノイズは、この優位性を実現する上で重要な障壁となる。 次世代の量子中心型スーパーコンピュータは本質的に、効率的で正確なノイズ特性を必要とする。 計算性能境界を予測するために,QuBoundというデータ駆動型ワークフローを提案する。
  論文  参考訳（メタデータ） (2025-07-22T22:00:09Z)
• Classical Verification of Quantum Learning Advantages with Noises [0.27930367518472443]
  本稿では,量子フーリエサンプリング回路で得られるノイズのない結果を再構成する,効率的な古典的誤り訂正アルゴリズムを提案する。 また、ランダムな例のオラクルにアクセス可能な古典的クライアントは、ノイズのある量子証明器によるパリティ学習結果の検証も可能であることを証明した。
  論文  参考訳（メタデータ） (2024-11-14T06:14:39Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Machine learning on quantum experimental data toward solving quantum many-body problems [0.0]
  最大44量子ビットのシステムに対する古典的機械学習アルゴリズムの実装を成功例に示す。 我々は、多体物理学に関心のある問題に対するハイブリッドアプローチの適用性を拡張した。
  論文  参考訳（メタデータ） (2023-10-30T10:25:59Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• Taking advantage of noise in quantum reservoir computing [0.0]
  量子雑音は量子貯水池計算の性能向上に有効であることを示す。 我々の結果は量子デバイスの基礎となる物理的なメカニズムに新たな光を当てた。
  論文  参考訳（メタデータ） (2023-01-17T11:22:02Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Measuring NISQ Gate-Based Qubit Stability Using a 1+1 Field Theory and Cycle Benchmarking [50.8020641352841]
  量子ハードウェアプラットフォーム上でのコヒーレントエラーを, サンプルユーザアプリケーションとして, 横フィールドIsing Model Hamiltonianを用いて検討した。 プロセッサ上の物理位置の異なる量子ビット群に対する、日中および日中キュービット校正ドリフトと量子回路配置の影響を同定する。 また,これらの測定値が,これらの種類の誤差をよりよく理解し,量子計算の正確性を評価するための取り組みを改善する方法についても論じる。
  論文  参考訳（メタデータ） (2022-01-08T23:12:55Z)
• Characterizing quantum instruments: from non-demolition measurements to quantum error correction [48.43720700248091]
  量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。 非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。 量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
  論文  参考訳（メタデータ） (2021-10-13T18:00:13Z)

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。