論文の概要: A Reservoir Computing Approach to Quantum Gate Synthesis

• arxiv url: http://arxiv.org/abs/2607.13887v1
• Date: Wed, 15 Jul 2026 14:34:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.799494
• Title: A Reservoir Computing Approach to Quantum Gate Synthesis
• Title（参考訳）: 貯留層計算による量子ゲート合成
• Abstract要約: Group Reservoir Computingは、時間力学を学ぶための効率的な機械学習パラダイムである。 再構成された力学は、常に構成上はユニタリであることを証明する。 この方法は任意の有限次元ハードウェアプラットフォームに適用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum gate synthesis is essential for implementing quantum algorithms on real hardware, yet existing methods are often computationally demanding. Here, we introduce a novel approach based on reservoir computing, which we name Group Reservoir Computing, an efficient machine-learning paradigm for learning temporal dynamics whose training reduces to a single linear regression, to reduce the resources required. The method is grounded in the Wei--Norman decomposition, which provides a compact description of the evolution. We prove that the reconstructed dynamics always remain unitary by construction and derive formal error bounds that establish the theoretical validity of the strategy. On the standard single-qubit gate set the trained network produces a control pulse in a single pass, with mean fidelity 0.94 across the eight benchmark gates; used to warm-start gradient-based optimization, it roughly halves the number of iterations that plain gradient ascent needs to reach a target fidelity, so that the relevant figure of merit is the time to reach that threshold rather than the final accuracy after a fixed budget. Owing to its general formulation, the method applies to any finite-dimensional hardware platform; the route to multiqubit synthesis is discussed in the closing section.
• Abstract（参考訳）: 量子ゲート合成は実際のハードウェア上で量子アルゴリズムを実装するのに不可欠であるが、既存の手法は計算的に要求されることが多い。 本稿では,貯水池計算に基づく新しい手法を提案する。グループ貯水池計算(Group Reservoir Computing)は,訓練が1つの線形回帰に還元される時間的ダイナミクスを学習するための,効率的な機械学習パラダイムである。 この方法は、進化のコンパクトな記述を提供するWei-Norman分解に基礎を置いている。 再構成された力学は、常に一意に維持され、戦略の理論的妥当性を確立する形式的誤り境界を導出する。 標準のシングルキュービットゲートセットでは、トレーニングされたネットワークは、単一のパスで制御パルスを生成し、8つのベンチマークゲートで平均忠実度0.94を出力する。 一般の定式化により、この手法は任意の有限次元ハードウェアプラットフォームに適用され、閉区間でマルチキュービット合成への経路が議論される。

関連論文リスト

• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Deterministic Ground State Preparation via Power-Cosine Filtering of Time Evolution Operators [0.0]
  本稿では,Power-Cosine量子信号処理フィルタを用いた地中準備のための非変分プロトコルを提案する。 複雑なブロックエンコーディング手法を推定することにより,1つのアシラリー量子ビットで制御されるコヒーレントな時間進化演算子を直接利用することができる。
  論文  参考訳（メタデータ） (2026-02-23T07:01:30Z)
• Beyond Reinforcement Learning: Fast and Scalable Quantum Circuit Synthesis [2.2632495210933135]
  量子ユニタリ合成は、量子アルゴリズムをハードウェア実行可能なゲートのシーケンスに変換する問題に対処する。 既存のアプローチは、不整合最適化目標、相当なトレーニングコスト、異なるキュービット数にわたる限定的な一般化に悩まされている。 教師付き学習を用いて、残余ユニタリの最小記述を近似し、この推定をビームサーチと組み合わせて最適なゲート列を同定することにより、これらの制限を緩和する。
  論文  参考訳（メタデータ） (2026-02-16T19:43:43Z)
• A Posteriori Certification Framework for Generalized Quantum Arimoto-Blahut Algorithms [41.15017547767954]
  本稿では,一般化量子Arimoto-Blahut (QAB) アルゴリズムに対する後続認証の視点を紹介する。 我々は、凸性とかなり弱い数値検証条件の下で、QAB反復が大域最小化器に収束することを示す大域収束定理を証明した。 応用として、チャネルの量子相対エントロピーを計算するための認定反復スキームを開発する。
  論文  参考訳（メタデータ） (2026-01-14T09:10:41Z)
• Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis [0.0]
  量子回路の効率的な合成のための強化学習フレームワークが導入された。 このフレームワークは、ターゲット状態に向かってエージェントを誘導する静的なドメインインフォームド報酬と、カスタマイズ可能な動的ペナルティを組み合わせたものだ。 最大7キュービットのグラフ状態準備タスクのベンチマークを行い、アルゴリズムが最小深度回路を常に発見できることを実証した。
  論文  参考訳（メタデータ） (2025-07-22T14:39:20Z)
• Restarted contractive operators to learn at equilibrium [0.0]
  我々は、再起動戦略とADによって計算されたJFBを組み合わせるアルゴリズムを導入し、学習手順を最適なDECフレームワークに任意に近づけることができることを示す。 本稿では,重み付きノルムの重み付け,プラグイン・アンド・プレイスキームの段階化と正規化レベル,フォワード・バックワード・イテレートに埋め込まれたDRUNetデノイザの訓練に有効であることを示す。
  論文  参考訳（メタデータ） (2025-06-16T08:38:56Z)
• High-Precision Multi-Qubit Clifford+T Synthesis by Unitary Diagonalization [0.8341988468339112]
  クリフォード+Tゲートセットで表される量子回路の資源効率と高精度な近似合成は、フォールトトレラント量子コンピューティングにとって不可欠である。 探索に基づく手法を利用して、まずはユニタリを概略対角化し、解析的に逆解析する。 提案手法は,実量子アルゴリズムからユニタリを評価した場合に,一桁のオーダーで合成アルゴリズムの実装精度と実行時間を向上する。
  論文  参考訳（メタデータ） (2024-08-31T12:10:32Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent and Incoherent Photons Found with Gradient Search [77.34726150561087]
  我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。 我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
  論文  参考訳（メタデータ） (2023-02-28T07:36:02Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Activation Relaxation: A Local Dynamical Approximation to Backpropagation in the Brain [62.997667081978825]
  活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。 我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
  論文  参考訳（メタデータ） (2020-09-11T11:56:34Z)

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。