論文の概要: Where a Quantum Reservoir Works: A Transferable Operating Band
- arxiv url: http://arxiv.org/abs/2606.13284v1
- Date: Thu, 11 Jun 2026 12:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.790957
- Title: Where a Quantum Reservoir Works: A Transferable Operating Band
- Title（参考訳）: 量子貯水池が動く場所:転送可能なオペレーティングバンド
- Authors: Markus Baumann, Itamar Fink, Johannes Wittmann, Claudia Linnhoff-Popien, Jonas Stein,
- Abstract要約: 固定量子システムは入力信号を変換し、学習は測定した出力に対して単純な線形読み出しを訓練する。
優れたパフォーマンスは、この制御空間の1つのよく定義された操作領域に集中する。
リージョンは、単純なメモリ診断を使用して、タスクの実行前に安価に位置決めすることができる。
- 参考スコア（独自算出の注目度）: 2.34764060945577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In quantum reservoir computing, a fixed quantum system transforms an input signal, while learning reduces to training a simple linear readout on its measured outputs. Since the quantum dynamics themselves are never optimized, the method is well suited to today's hardware. Yet these dynamics must still be chosen carefully, because their settings remain fixed throughout training and inference. It therefore remains an open question where, in its control space, a fixed quantum system learns well. We address this question for a dissipative reservoir by mapping performance over three central physical controls: the strength of the input drive, the coupling between neighboring qubits, and the rate of dissipation. Good performance concentrates in a single, well-defined operating region of this control space. This region transfers across tasks and reservoir initializations, and the same memory-defined regime persists under architectural changes. It is also mechanistically grounded, since it disappears whenever any of the mechanisms that create it is removed. Finally, the region can be located cheaply before any task is run, using a simple memory diagnostic.
- Abstract（参考訳）: 量子貯水池計算では、固定量子システムは入力信号を変換し、学習は測定された出力に対して単純な線形読み出しを訓練する。
量子力学自体が最適化されることはないので、今日のハードウェアには適している。
しかし、これらのダイナミクスは、トレーニングや推論を通じて設定が固定されているため、慎重に選択する必要がある。
したがって、その制御空間において、固定量子系がよく学習されるかは、未解決の問題のままである。
本稿では, 入力駆動の強度, 隣接する量子ビット間の結合, 散逸率の3つの中心的物理制御のマッピングにより, 散逸性貯水池に対する問題に対処する。
優れたパフォーマンスは、この制御空間の1つのよく定義された操作領域に集中する。
この領域はタスクをまたいで転送し、初期化を保存し、同じメモリ定義のレシエーションはアーキテクチャ上の変更の下で持続する。
また、それを生成するメカニズムが取り除かれるたびに消えてしまうため、機械的に接地される。
最後に、単純なメモリ診断を使用して、タスクを実行する前に、リージョンを安価に配置することができる。
関連論文リスト
- Reinforcement Learning Control of Quantum Error Correction [108.70420561323692]
量子コンピュータは、エラーから直接自己改善することを学び、決してコンピューティングを止めない。
この研究によって新しいパラダイムが実現された: 量子コンピュータは、そのエラーから直接自己改善を学び、決してコンピューティングを止めない。
論文 参考訳（メタデータ） (2025-11-11T17:32:25Z) - Universal dissipators for driven open quantum systems and the correction to linear response [0.0]
還元系の力学を特徴付ける散逸器は2つの部分から構成されていることを示す。
ひとつは普遍的であり、駆動項に関係なく同じ形式を保っていることを意味する。
リンドブラッド形式は記憶のない風呂のために回収される。
論文 参考訳（メタデータ） (2025-05-25T18:33:51Z) - Quantum Speed Limit in Driven-dissipative Systems [0.0]
オープン量子システムでは、OQS上の駆動が駆動誘起散逸(DID)を引き起こすことが示されている。
我々は最近報告された量子マスター方程式を用いて環境変動を考慮し、駆動誘起散逸の閉形式推定を行う。
この作業は、オープンシステムにおける堅牢な量子制御を可能にし、量子技術のスケーリングにおける重要な課題に対処する。
論文 参考訳（メタデータ） (2025-04-10T17:46:43Z) - Optimal control in large open quantum systems: the case of transmon readout and reset [44.99833362998488]
本稿では, 随伴状態法と逆時間バックプロパゲーションを組み合わせることで, 極めて大規模なオープンシステム量子制御問題を解く枠組みを提案する。
超伝導量子ビットにおける2つの本質的に散逸する演算を最適化するために、この枠組みを適用した。
提案手法は, 標準パルスがほぼ最適であるのに対して, プロトコル中にトランスモンドライブを付加することで, 忠実度と持続時間の2倍向上が期待できることを示す。
論文 参考訳（メタデータ） (2024-03-21T18:12:51Z) - Trainability and Expressivity of Hamming-Weight Preserving Quantum Circuits for Machine Learning [2.2301710048942103]
可変量子回路(VQC)のトレーニング性と制御性の解析
まず、新しいデータローダの実現可能性を示し、$n$-qubit量子回路をトレーニングすることにより、$binomnk$-dimensionalベクトルの量子振幅符号化を行う。
最後に、ハミング重み保存回路のトレーニング可能性を分析し、サブ空間の$binomnk$の分散がサブ空間の$binomnk$に応じて有界であることを示す。
論文 参考訳（メタデータ） (2023-09-27T10:11:07Z) - Dynamically writing coupled memories using a reinforcement learning
agent, meeting physical bounds [0.0]
強化学習エージェントは, 単純なマルチビット機械系の動的応答を利用して, メモリをフル容量に復元できることを示す。
エージェントが3つのスプリングで利用可能なすべての状態に到達する方法を学習できることが示されていますが、いくつかの状態は断熱操作によって到達できないのです。
論文 参考訳（メタデータ） (2022-05-06T20:33:09Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳（メタデータ） (2022-04-26T09:52:02Z) - 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) - Continuous-time dynamics and error scaling of noisy highly-entangling
quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。
我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。
動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文 参考訳（メタデータ） (2021-02-08T14:55:44Z) - Neuromorphic computing with a single qudit [0.0]
貯留層計算(Reservoir computing)は、多体量子系の高忠実度制御の代替である。
ここでは、単一のキューディット(d$D量子系)からなる貯水池を考える。
類似の古典システムと比較して,ロバストな性能上の優位性を示す。
論文 参考訳（メタデータ） (2021-01-27T22:35:22Z)
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。