論文の概要: A Reversible Continuous-Variable Photonic Memory Architecture Based on Displacement-Evolved Coherent-State Dynamics
- arxiv url: http://arxiv.org/abs/2607.18702v1
- Date: Tue, 21 Jul 2026 04:42:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.309642
- Title: A Reversible Continuous-Variable Photonic Memory Architecture Based on Displacement-Evolved Coherent-State Dynamics
- Title（参考訳）: 変位進化コヒーレント状態ダイナミクスに基づく可逆的連続可変フォトニックメモリアーキテクチャ
- Abstract要約: 本稿では,メタデータを利用した連続可変フォトニックメモリアーキテクチャを提案する。
提案フレームワークは、連続可変位相空間における連続的な進化軌道としてメモリを扱う。
理論的な概念実証として提示されるが、連続可変フォトニックシステムは将来メタデータを意識したメモリアーキテクチャの基盤となる可能性が示唆されている。
- 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: Modern information systems increasingly require memory architectures capable of storing not only static data but also the evolution of information over time. While continuous-variable photonic platforms have been extensively studied for quantum communication and computation, their potential as dynamically evolving memory systems remains largely unexplored. In this work, we introduce a metadata-assisted continuous-variable photonic memory architecture in which information is represented by latent vectors encoded across multimode coherent states and updated through reversible displacement operations. The framework combines multimode storage with metadata-based indexing, enabling navigation and reconstruction of historical memory states through rollback retrieval. Unlike conventional approaches that focus on preserving a single quantum state, the proposed framework treats memory as a continuously evolving trajectory in continuous-variable phase space. This perspective naturally extends beyond image storage to temporal data streams, machine-learning latent representations, scientific simulations, and other forms of dynamically changing information. Although presented as a theoretical proof-of-concept, the results suggest that continuous-variable photonic systems may provide a promising foundation for future metadata-aware memory architectures capable of storing, tracking, and reconstructing the history of evolving information.
- Abstract（参考訳）: 現代の情報システムでは、静的データだけでなく、時間の経過とともに情報の進化を記憶できるメモリアーキテクチャがますます求められている。
連続可変フォトニックプラットフォームは量子通信と計算のために広く研究されているが、動的に進化するメモリシステムとしての可能性はほとんど解明されていない。
本稿では,多モードコヒーレントな状態にまたがって情報を符号化し,可逆な変位操作によって更新する,メタデータを利用した連続可変フォトニックメモリアーキテクチャを提案する。
このフレームワークは、マルチモードストレージとメタデータベースのインデックスを組み合わせることで、ロールバック検索による履歴メモリ状態のナビゲーションと再構築を可能にする。
単一の量子状態を保存することに焦点を当てた従来のアプローチとは異なり、提案フレームワークは連続可変位相空間における連続的な進化軌跡としてメモリを扱う。
この観点は、画像ストレージを超えて、時間的データストリーム、機械学習の潜在表現、科学シミュレーション、その他の動的に変化する情報形式にまで自然に拡張されます。
理論的な概念実証として提示されるが、連続可変フォトニクスシステムは、進化する情報の歴史を保存、追跡、再構築できる将来的なメタデータ対応メモリアーキテクチャの基盤となる可能性が示唆されている。
関連論文リスト
- Memory in Deep Time-Series Models [8.383172865412154]
メモリは、下位のバックボーンに依存しない時系列モデリングの第一級次元として研究する。
メモリ機構の統一的な分類法を開発し,明示的なモジュール,検索拡張,エージェントストアを含む3つの外部メモリのクラスをレビューする。
クロスカット分析は、これらのメカニズムを時系列タスクにマッピングし、メソッドと評価の両方のギャップを識別する。
論文 参考訳（メタデータ） (2026-09-05T10:19:17Z) - Beyond Retrieval: Progressive Latent Memory Evolution for Streaming Video Understanding [64.34948094316685]
latentStreamは、ストリーミングメモリをストア・アンド・レトリーブから検索・インターナライズへシフトする、プログレッシブな潜伏型ワーキングメモリフレームワークです。
LatentStreamは、既存のオンラインおよびオフラインビデオベンチマークで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2026-09-03T17:28:14Z) - Memory for Large Language Models [18.001409529004807]
大規模言語モデルにおけるメモリの体系的・アーキテクチャ中心の分類法を提案する。
メモリ書き込み、ルーティング、状態遷移、統合を規定する粒度のメカニズムを定式化する。
この統一された視点は、計算に結合したメモリと独立して対応可能なメモリの間の概念的境界を解明する。
論文 参考訳（メタデータ） (2026-07-28T07:34:53Z) - PermaVid: Consistent Video Generation Across Edits via Disentangled Context Memory [80.58558679163197]
PermaVidは、空間コンテキストを意味的な外観と幾何学的構造に分解するマルチモーダルなコンテキストメモリ上に構築された新しいフレームワークである。
本手法は,編集後の長期的セマンティクスと構造的整合性を強く維持し,最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2026-06-15T09:20:32Z) - Rethinking Memory as Continuously Evolving Connectivity [63.58181883607843]
既存のメモリ拡張LDMエージェントは、メモリを事前定義された表現と固定された検索パイプラインを備えた静的リポジトリとして扱う。
メモリをヘテロジニアスなグラフとしてモデル化し,そのトポロジを3段階にわたって段階的に洗練する,コネクティビティ進化型メモリフレームワークであるFluxMemを提案する。
LoCoMo、Mind2Web、GAIAなど、根本的に異なる3つのベンチマークにおいて、FluxMemは一貫した最先端のパフォーマンスを実現し、複雑なエージェント環境において強力な適応と一般化を示す。
論文 参考訳（メタデータ） (2026-05-27T17:35:34Z) - The Dynamic Gist-Based Memory Model (DGMM): A Memory-Centric Architecture for Artificial Intelligence [0.0]
本稿では,DGMM(Dynamic Gist-Based Memory Model)を提案する。
その結果,DGMMの特性は,記憶メモリの構造変化を伴わずに,エピソードの持続性,キュー条件の局所性,文脈変動性などの特性を規定した。
論文 参考訳（メタデータ） (2026-05-04T00:02:51Z) - The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。
明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。
エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
論文 参考訳（メタデータ） (2026-01-14T03:24:08Z) - MemEvolve: Meta-Evolution of Agent Memory Systems [66.09735157017558]
自己進化型メモリシステムは、大型言語モデル(LLM)ベースのエージェントの進化パラダイムを前例のない形で再構築している。
MemeEvolveは、エージェントの経験的知識とメモリアーキテクチャを共同で進化させるメタ進化フレームワークである。
EvolveLabは、12の代表的なメモリシステムをモジュール設計空間に蒸留する、統一された自己進化型メモリである。
論文 参考訳（メタデータ） (2025-12-21T14:26:14Z) - MemOS: A Memory OS for AI System [116.87568350346537]
大規模言語モデル(LLM)は、人工知能(AGI)にとって不可欠な基盤となっている。
既存のモデルは、主に静的パラメータと短命なコンテキスト状態に依存しており、ユーザの好みを追跡したり、長い期間にわたって知識を更新する能力を制限する。
MemOSはメモリを管理可能なシステムリソースとして扱うメモリオペレーティングシステムである。
論文 参考訳（メタデータ） (2025-07-04T17:21:46Z) - Qumode-Based Quantum Image Storage with Entropy-Guided Frame Indexing and Fidelity-Preserved Retrieval [0.0]
連続可変(CV)フォトニックシステムを用いた量子画像記憶のための新しいフレームワークを提案する。
従来のqubitベースのアプローチとは異なり、このモデルはコヒーレント状態の変位演算子を介して、グレースケールの画像強度をqumodsに符号化する。
デルタ進化機構は、フレーム間の強度シフトのみを記録することにより、メモリ効率のよい記憶を可能にする。
論文 参考訳（メタデータ） (2025-07-04T04:40:03Z)
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。