論文の概要: Distributed Quantum Learning over Near-term Devices: Convergence Analysis and Security Design

• arxiv url: http://arxiv.org/abs/2606.20606v1
• Date: Thu, 21 May 2026 21:32:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 23:19:37.581954
• Title: Distributed Quantum Learning over Near-term Devices: Convergence Analysis and Security Design
• Title（参考訳）: 近接デバイスを用いた分散量子学習:収束解析とセキュリティ設計
• Abstract要約: 分散量子学習(DQL)は、量子強化機械学習をスケールするための有望なパラダイムとして登場した。 マルチ量子デバイスを同時に保護しながら,現実的なシナリオ下でのDQLの収束を特徴付けることが不可欠である。
• 参考スコア（独自算出の注目度）: 7.756907192083918
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Distributed quantum learning (DQL) has emerged as a promising paradigm to scale quantum-enhanced machine learning by interconnecting multiple quantum devices. However, for efficient real-world deployment, it is essential to characterize how DQL converges under practical scenarios while simultaneously safeguarding multi-device quantum infrastructures from evolving security threats. Addressing these aspects in an integrated manner is key to ensuring both performance and resilience in large-scale DQL systems. Therefore, this paper presents a new DQL study where our innovation lies in: (i) conducting a holistic convergence analysis for DQL under practical settings, i.e., partial device participation, non-convex loss functions, and heterogeneous data distributions, (ii) developing a novel multi-layered post-quantum cryptographic architecture with a quantum neural network-powered adaptive mechanism that monitors conditions, evaluates threats, and adjusts parameters across three National Institute of Standards and Technology (NIST)-compliant levels. Our theoretical framework and empirical validation reveal two key insights: (i) the derived convergence bound uncovers a fundamental trade-off between convergence rate, measurement shots, and the size of the participating device subset; and (ii) findings from our evaluations on a physical testbed modeling quantum control architectures expose the performance limitations of static post-quantum security, while confirming that our adaptive framework effectively mitigates these overheads to preserve overall system efficiency. Specifically, the hardware experiments demonstrate that our dynamic security mechanism reduces total security execution time by approximately 49% relative to static high-security baselines, while maintaining a threat detection accuracy of over 91%. Furthermore, extensive simulations validate our theoretical analysis.....
• Abstract（参考訳）: 分散量子学習(DQL)は、複数の量子デバイスを相互接続することによって、量子強化された機械学習をスケールするための、有望なパラダイムとして登場した。 しかしながら、効率的な実世界のデプロイメントには、DQLが現実的なシナリオの下でどのように収束するかを特徴付けると同時に、マルチデバイス量子インフラストラクチャをセキュリティ脅威の進化から保護することが不可欠である。 大規模なDQLシステムのパフォーマンスとレジリエンスを両立させる上で、これらの側面を統合的に対処することが重要だ。 そこで本研究では,私たちのイノベーションが果たす新たなDQL研究について紹介する。 i) DQLの総合収束解析を実用的設定、すなわち部分的デバイス参加、非凸損失関数、不均一データ分布で実施すること。 2) 量子ニューラルネットワークを用いた新しい多層後暗号アーキテクチャを開発し,条件を監視し,脅威を評価し,3つの国立標準技術研究所(NIST)に準拠したパラメータを調整する。 私たちの理論的枠組みと実証的検証は2つの重要な洞察を明らかにします。 i) 導出収束境界は、収束率、測定ショット及び参加装置サブセットのサイズの基本的なトレードオフを明らかにする。 (II) 物理テストベッドモデリングによる量子制御アーキテクチャの評価から,静的な量子後セキュリティの性能限界を明らかにするとともに,適応的なフレームワークがシステム全体の効率を維持するために,これらのオーバーヘッドを効果的に軽減することを確認した。 具体的には、ハードウェア実験により、我々の動的セキュリティメカニズムは、脅威検出精度を91%以上維持しながら、静的な高セキュリティベースラインと比較して、セキュリティ全体の実行時間を約49%削減することを示した。 さらに、広範囲なシミュレーションにより、我々の理論解析が検証される。 と。

関連論文リスト

• A Resource-Aligned Hybrid Quantum-Classical Framework for Multimodal Face Anti-Spoofing [11.018914804434301]
  マルチモーダル面の反偽造では、線形圧縮法は、限られた量子予算を満たすために次元性を減少させることができる。 本稿では,MPS が構造化された事前量子圧縮・融合モジュールとして機能するハイブリッド Matrix Product State (MPS)-Variational Quantum Circuit (VQC) フレームワークを提案する。 我々はMPS-VQCが0.25M未満のパラメータを持つ強い古典的ニューラルネットワークベースラインに匹敵する精度を達成することを示す。
  論文  参考訳（メタデータ） (2026-03-29T20:12:47Z)
• Consensus Protocols for Entanglement-Aware Scheduling in Distributed Quantum Neural Networks [18.148407575244942]
  本稿では,適応的絡み合い管理を伴う量子コンセンサスプロトコルを協調設計するConsensus-Entanglement-Aware Scheduling (CEAS) フレームワークを提案する。 CEASはフィデリティ重み付けアグリゲーションを統合し、パラメータ更新は量子フィッシャー情報によって重み付けされ、ノイズの多い寄与を抑制する。 CEASは、10～15パーセントの精度を維持している。
  論文  参考訳（メタデータ） (2026-02-06T16:36:52Z)
• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• QERS: Quantum Encryption Resilience Score for Post-Quantum Cryptography in Computer, IoT, and IIoT Systems [0.0]
  PQC(Post-quantum Cryptography)は、IoT(Internet of Things)とIIoT(Industrial IoT)システムを量子対応敵に対してセキュアにするために欠かせないものになりつつある。 本稿では,PQCの可読性を評価するために,暗号性能,システム制約,マルチ基準決定分析を統合する普遍的な測定フレームワークであるQERS(Quantum Encryption Resilience Score)を紹介する。
  論文  参考訳（メタデータ） (2026-01-19T21:10:27Z)
• 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)
• Quantum-Aware Generative AI for Materials Discovery: A Framework for Robust Exploration Beyond DFT Biases [0.0]
  材料発見のための量子認識型生成AIフレームワークを提案する。 我々は、低忠実度予測と高忠実度予測の分岐を定量化し、ターゲットとする頑健な能動学習ループを実装した。 以上の結果から,高分散領域における潜在的安定候補の同定に成功し,3～5倍の精度向上が得られた。
  論文  参考訳（メタデータ） (2025-12-13T11:17:21Z)
• Towards Heterogeneous Quantum Federated Learning: Challenges and Solutions [47.08625631041616]
  量子フェデレーション学習(QFL)は、量子コンピューティングとフェデレーション学習を組み合わせて、データのプライバシを維持しながら分散モデルトレーニングを可能にする。 既存のQFLフレームワークは、量子テキストカラーサイクル間の均一性に重点を置いており、量子データ分散、符号化技術、ハードウェアノイズレベル、計算能力の実際の分散を考慮していない。 これらの違いは、トレーニング中に不安定になり、収束が遅くなり、全体的なモデルパフォーマンスが低下する可能性がある。
  論文  参考訳（メタデータ） (2025-11-27T06:35:45Z)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Projective Quantum Eigensolver via Adiabatically Decoupled Subsystem Evolution: a Resource Efficient Approach to Molecular Energetics in Noisy Quantum Computers [0.0]
  我々は,ノイズ中間スケール量子(NISQ)ハードウェアを用いて,分子系の基底状態エネルギーを正確に計算することを目的とした射影形式を開発した。 本研究では,将来の耐故障システムにおいて,必要な精度を同時に確保しながら,ノイズ下での優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-13T13:27:40Z)
• Differential privacy and robust statistics in high dimensions [49.50869296871643]
  高次元Propose-Test-Release (HPTR) は指数的メカニズム、頑健な統計、Propose-Test-Release メカニズムという3つの重要なコンポーネントの上に構築されている。 本論文では,HPTRが複数のシナリオで最適サンプル複雑性をほぼ達成していることを示す。
  論文  参考訳（メタデータ） (2021-11-12T06:36:40Z)

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。