論文の概要: Benchmarking Quantum Extreme Learning based on Gaussian Boson Sampling

• arxiv url: http://arxiv.org/abs/2606.15230v1
• Date: Sat, 13 Jun 2026 10:00:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.067425
• Title: Benchmarking Quantum Extreme Learning based on Gaussian Boson Sampling
• Title（参考訳）: ガウスボソンサンプリングに基づく量子エクストリーム学習のベンチマーク
• Authors: Daniel Montesinos, Gian Luca Giorgi, Roberta Zambrini,
• Abstract要約: Reservoirモデルは、ノイズの多い中間スケール量子デバイスに対して、ハードウェア効率のよい学習パラダイムを提供する。 本稿では,光学資源の要求を低減しつつ,高い分類精度を実現する量子極端学習マシンを提案する。
• 参考スコア（独自算出の注目度）: 0.5161531917413708
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir models offer a hardware-efficient learning paradigm for noisy intermediate-scale quantum devices by exploiting untrained quantum dynamics as a fixed feature map and restricting optimization to a simple classical readout layer. We propose a quantum extreme learning machine implemented using gaussian boson sampling and an encoding strategy that achieves high classification accuracy while reducing optical resource requirements. Classical inputs are jointly encoded in the squeezing parameters and in the interferometer unitary, enabling sampling-based, highly nonlinear feature maps while leveraging large-scale GBS output statistics, which are conjectured to be classically intractable. We systematically compare multiple families of quantum features accessible in the same setup and find that photon-number sampling probabilities provide the best performance, consistent with their higher effective feature dimensionality. Finally, we benchmark against classical nonlinear baselines and analyse robustness under noisy scenarios, showing competitive performance with fewer trainable parameters and indicating practical promise for near-term photonic implementations.
• Abstract（参考訳）: Reservoirモデルは、トレーニングされていない量子力学を固定された特徴マップとして利用し、単純な古典的な読み出し層に最適化を制限することで、ノイズの多い中間スケール量子デバイスに対するハードウェア効率のよい学習パラダイムを提供する。 ガウスボソンサンプリングを用いて実装された量子極端学習機と、光学的リソース要求を低減しつつ高い分類精度を実現する符号化戦略を提案する。 古典的な入力は、スキューズパラメータと干渉計のユニタリに共同で符号化され、サンプリングベースで高非線形な特徴写像を可能とし、古典的に抽出可能であると推測される大規模なGBS出力統計を活用できる。 我々は、同じ設定でアクセス可能な複数の量子特徴の族を体系的に比較し、光子数サンプリング確率がそれらの高効率な特徴次元と整合して最高の性能をもたらすことを発見した。 最後に,古典的非線形ベースラインに対してベンチマークを行い,ノイズシナリオ下でのロバスト性を解析し,トレーニング可能なパラメータが少なくて競合性能を示すとともに,短期フォトニック実装の実用的可能性を示す。

関連論文リスト

• Generative modeling with Gaussian Boson Sampling: classically trainable Bosonic Born Machines [0.1449880056570423]
  パラメトリゼーションされたガウスボソンサンプリング回路上に構築されたフォトニック量子生成モデルを導入する。 このトレーニングは、状態のガウス構造によって実現される期待値の効率的な古典的評価に基づいている。 最大805モードと100万以上のトレーニング可能なパラメータを持つフォトニックシステムにおける数値実験によるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2026-03-11T18:04:11Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Matrix product state approach to lossy boson sampling and noisy IQP sampling [0.7066293026438526]
  損失ボソンサンプリングとノイズのある瞬時量子時間サンプリングのための古典的アルゴリズムを開発した。 我々のアルゴリズムは精度と効率のトレードオフを大幅に改善する。 さらに、MPSシミュレーションの適用性を、ノイズの多い量子サンプリングモデルのより広範なクラスに拡張する。
  論文  参考訳（メタデータ） (2025-10-28T07:23:10Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• 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)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Optimizing quantum noise-induced reservoir computing for nonlinear and chaotic time series prediction [2.5427629797261297]
  我々は, 量子雑音による貯水池を改良し, 貯水池の騒音を表現的非線形信号を生成するための資源として利用する。 その結果,1つのノイズモデルと少ないメモリ容量で,非線形ベンチマークにおいて優れたシミュレーション結果が得られた。
  論文  参考訳（メタデータ） (2023-03-09T18:40:03Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。