論文の概要: When AI meets quantum information: A comprehensive review

• arxiv url: http://arxiv.org/abs/2607.00365v1
• Date: Wed, 01 Jul 2026 03:04:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.698106
• Title: When AI meets quantum information: A comprehensive review
• Title（参考訳）: AIが量子情報と出会う:包括的なレビュー
• Abstract要約: AIは量子システムを学び、設計し、制御し、検証するための実用的なツールになりつつある。 QIはAIのための新しい計算モデル、表現構造、学習理論的な質問を提供する。 この調査では、両方の方向からインターフェースをレビューする。
• 参考スコア（独自算出の注目度）: 43.4415309054963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) and quantum information (QI) are rapidly co-evolving. AI is becoming a practical tool for learning, designing, controlling, and verifying quantum systems, while QI offers new computational models, representational structures, and learning-theoretic questions for AI. This survey reviews the interface from both directions. In the AI for QI direction, we organize recent progress around the central tasks of extracting information from limited measurements, training and discovering quantum algorithms, stabilizing noisy hardware, automating experimental and programming workflows, and extending learning-based methods to sensing and networking. In the QI for AI direction, we examine how quantum computation and quantum-inspired structures affect learning through algorithmic speedups, expressivity, trainability, generalization, neural-network design, and tensor-network representations. We close by identifying cross-cutting challenges in reproducibility, scalability, hardware realism, and co-design, arguing that progress will depend on tighter integration of theory, experiment, and hybrid quantum--classical systems.
• Abstract（参考訳）: 人工知能(AI)と量子情報(QI)は急速に共存している。 AIは量子システムを学び、設計し、制御し、検証するための実用的なツールとなりつつあり、QIは新しい計算モデル、表現構造、AIのための学習理論的な質問を提供する。 この調査では、両方の方向からインターフェースをレビューする。 QI方向のAIでは、限られた測定結果から情報を抽出し、量子アルゴリズムを発見し、ノイズの多いハードウェアを安定化し、実験とプログラミングのワークフローを自動化し、学習ベースの手法をセンシングとネットワークに拡張する、という中心的なタスクに関する最近の進歩を整理する。 QI for AI directionでは、量子計算と量子インスパイアされた構造が、アルゴリズムのスピードアップ、表現性、訓練性、一般化、ニューラルネットワーク設計、テンソルネットワーク表現を通しての学習にどのように影響するかを検討する。 我々は再現性、スケーラビリティ、ハードウェアリアリズム、そして共同設計における横断的な課題を特定し、進歩は理論、実験、ハイブリッド量子古典システムのより緊密な統合に依存すると主張した。

関連論文リスト

• QAISim: A Toolkit for Modeling and Simulation of AI in Quantum Cloud Computing Environments [0.9155342779211822]
  本稿では、量子人工知能(QAI)モデルのシミュレーションとモデリングのための、QAISimと呼ばれるピソンベースのツールキットを提案する。 我々は、強化学習のためのポリシー勾配とディープQラーニングアルゴリズムをシミュレートした。
  論文  参考訳（メタデータ） (2025-12-01T16:14:25Z)
• Artificial intelligence for representing and characterizing quantum systems [49.29080693498154]
  大規模量子システムの効率的なキャラクタリゼーションは、量子科学における中心的な課題である。 人工知能(AI)の最近の進歩は、この課題に対処するための強力なツールとして現れている。 本稿では、これらのAIパラダイムが量子システム評価における2つのコアタスクにどのように貢献するかを論じる。
  論文  参考訳（メタデータ） (2025-09-05T08:41:24Z)
• Quantum Computing and AI: Perspectives on Advanced Automation in Science and Engineering [0.0]
  人工知能(AI)と量子コンピューティングの最近の進歩は、科学と工学のプロセスにおける自動化を加速させている。 この視点は、科学的な自動化と確立されたコンピュータ支援工学(CAE)の実践の類似点を強調している。
  論文  参考訳（メタデータ） (2025-05-15T06:53:30Z)
• Quantum Machine Learning: A Hands-on Tutorial for Machine Learning Practitioners and Researchers [51.03113410951073]
  このチュートリアルでは、AIのバックグラウンドを持つ読者を量子機械学習(QML)に紹介する。 自己整合性については、基本原理、代表的QMLアルゴリズム、潜在的な応用、トレーニング容易性、一般化、計算複雑性といった重要な側面を取り上げる。
  論文  参考訳（メタデータ） (2025-02-03T08:33:44Z)
• QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design [63.02824918725805]
  量子コンピューティングは、量子アルゴリズムによる古典的コンピューティングよりも大幅にスピードアップされていることが認識されている。 QCircuitBenchは、量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された最初のベンチマークデータセットである。
  論文  参考訳（メタデータ） (2024-10-10T14:24:30Z)
• Quantum Artificial Intelligence: A Brief Survey [0.3495246564946556]
  量子人工知能(QAI)は、量子コンピューティングとAIの交差点である。 これまでにQAIで達成されたことを概観するとともに、今後の研究に向けたオープンな質問をいくつか紹介する。
  論文  参考訳（メタデータ） (2024-08-20T10:55:17Z)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
  予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)
• The Holy Grail of Quantum Artificial Intelligence: Major Challenges in Accelerating the Machine Learning Pipeline [0.0]
  量子コンピューティングと人工知能の相乗関係について論じる。 量子人工知能への現在のアプローチを調査した後、量子人工知能の将来に対する4つの大きな課題を導出する。
  論文  参考訳（メタデータ） (2020-04-29T09:07:05Z)

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。