論文の概要: Quantum Optical Reinforcement Learning via Spectrum-Resolved Hong-Ou-Mandel Interference
- arxiv url: http://arxiv.org/abs/2607.26438v1
- Date: Wed, 29 Jul 2026 03:37:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.533372
- Title: Quantum Optical Reinforcement Learning via Spectrum-Resolved Hong-Ou-Mandel Interference
- Title（参考訳）: スペクトル分解したHong-Ou-Mandel干渉による量子光強化学習
- Abstract要約: Hong-Ou-Mandel干渉に基づく光学ニューラルネットワークは、ベンチマーク学習タスクにおいて複雑さのアドバンテージを提供する。
本稿では、光子のスペクトル自由度をトレーニング可能な計算資源に促進するスペクトル分解HOMアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 9.506782998504764
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hong-Ou-Mandel (HOM) interference-based optical neural networks can offer complexity advantages on benchmark learning tasks, but conventional readout compresses the coincidence spectrum into a single scalar, limiting its use in complex settings such as continuous-action reinforcement learning. Here we introduce a spectrum-resolved HOM (SR-HOM) architecture that promotes the photons' spectral degrees of freedom to a trainable computational resource and use it to construct a compact optical actor-critic agent. Diagonal spectral responses generate continuous actions, while higher-order spectral correlations provide nonlinear state-action features for value estimation. Across five continuous-control benchmarks, SR-HOM outperforms parameter-matched multilayer-perceptron baselines, including a \(4.4\times\) improvement in sample efficiency and a \(74.0\%\) increase in best 100-episode moving-average return for LunarLanderContinuous-v3. Applied to online calibration of drifted tunable-coupler CZ and iSWAP gates for transmon qubits, simulations show it restores fidelities to \(0.9917\) and \(0.9952\) respectively, exceeding \(99.8\%\) of their drift-free calibrated values.
- Abstract（参考訳）: Hong-Ou-Mandel (HOM) 干渉に基づく光学ニューラルネットワークは、ベンチマーク学習タスクにおいて複雑さの利点を提供するが、従来の読み出しは、スペクトルスペクトルを単一のスカラーに圧縮し、連続作用強化学習のような複雑な設定での使用を制限する。
ここでは、光子のスペクトル自由度をトレーニング可能な計算資源に促進するスペクトル分解HOM(SR-HOM)アーキテクチャを導入し、それを用いて、コンパクトな光アクタ批判エージェントを構築する。
対角スペクトル応答は連続的な作用を生成するが、高次スペクトル相関は値推定に非線形な状態作用を与える。
5つの連続制御ベンチマークにおいて、SR-HOMはパラメータマッチングされたマルチ層パーセプトロンベースラインを上回り、サンプル効率の \(4.4\times\) の改善と、LunarLanderContinuous-v3の100エピソード移動平均リターンの \(74.0\%\) の増加を含む。
ドリフト可能なチューナブルカップラーCZとiSWAPゲートのオンラインキャリブレーションに応用したシミュレーションでは、ドリフトフリーキャリブレーション値の \(99.8\%\)を超える、それぞれ \(0.9917\) と \(0.9952\) にフィデリティを復元することを示した。
関連論文リスト
- Spectral Gating via Damped Oscillations for Adaptive Implicit Neural Representations [24.706105488382818]
Inlicit Neural Representation (INR)は、座標ベースのネットワークを通じて連続的な信号を符号化することに成功した。
周期的なアクティベーションは細部を捉えるが、ノイズを記憶するオールパスフィルタとして機能する一方、空間的にコンパクトなアクティベーションは効率よく正規化されるが、低周波バイアスに悩まされる。
本稿では,各ニューロンの活性化を正弦波駆動型減衰振動子の定常応答としてモデル化することを提案する。
論文 参考訳（メタデータ） (2026-06-22T11:59:47Z) - A Practical Noise2Noise Denoising Pipeline for High-Throughput Raman Spectroscopy [0.0]
このアプローチは、Noss2Noise戦略を用いて訓練された1次元畳み込みオートエンコーダに依存する。
短時間露光取得を繰り返し行う訓練サブセットから、モデルを学習し、ラマンスペクトルを効率よく抑圧しながら再構成する。
その結果, 信頼度の高い解釈には不十分な1スペクトルあたり5ミリ秒の積分時間で, 基準データに対する高忠実度な偏光スペクトルが得られることがわかった。
論文 参考訳（メタデータ） (2026-05-18T15:03:43Z) - Spectral Gating Networks [65.9496901693099]
我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。
SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。
計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
論文 参考訳（メタデータ） (2026-02-07T20:00:49Z) - Spectral Bias Mitigation via xLSTM-PINN: Memory-Gated Representation Refinement for Physics-Informed Learning [6.546212906401042]
我々は、スペクトルバイアスを抑制し、外挿を強化するために、表現レベルのスペクトルリモデリングxLSTM-PINNを導入する。
4つのベンチマークで、ゲート型クロススケールメモリ、ステージ付き周波数カリキュラム、適応型残差再重み付けを統合した。
ベースラインPINNと比較して、MSE、RMSE、MAE、MaxAEを4つのベンチマークで削減し、よりクリーンな境界遷移を提供する。
論文 参考訳（メタデータ） (2025-11-16T08:55:27Z) - SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。
畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。
2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
論文 参考訳（メタデータ） (2025-08-02T14:40:50Z) - LoLA-SpecViT: Local Attention SwiGLU Vision Transformer with LoRA for Hyperspectral Imaging [6.360399841791849]
軽量なスペクトルビジョン変換器であるtextbfLoLA-SpecViT (Low-rank adaptation Local Attention Spectral Vision Transformer) を提案する。
提案モデルでは,3次元畳み込みスペクトルフロントエンドと局所窓ベースの自己アテンションを組み合わせ,スペクトル特徴抽出と空間一貫性の両立を図る。
我々のフレームワークは、農業、環境モニタリング、リモートセンシング分析における実世界のHSIアプリケーションに対して、スケーラブルで一般化可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-06-21T16:46:00Z) - SpectrumFM: A Foundation Model for Intelligent Spectrum Management [99.08036558911242]
既存のインテリジェントスペクトル管理手法は、通常は小規模モデルに基づいており、認識精度、収束速度、一般化の顕著な制限に悩まされている。
本稿では、スペクトルFMと呼ばれる新しいスペクトル基盤モデルを提案し、スペクトル管理のための新しいパラダイムを確立する。
実験により、SpectrumFMは精度、堅牢性、適応性、少数ショット学習効率、収束速度の点で優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2025-05-02T04:06:39Z) - Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。
局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。
グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
論文 参考訳（メタデータ） (2025-01-02T15:14:40Z) - Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。
我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Spectral Tensor Train Parameterization of Deep Learning Layers [136.4761580842396]
重み行列の低ランクパラメータ化をDeep Learningコンテキストに埋め込まれたスペクトル特性を用いて検討する。
分類設定におけるニューラルネットワーク圧縮の効果と,生成的対角トレーニング設定における圧縮および安定性トレーニングの改善について述べる。
論文 参考訳（メタデータ） (2021-03-07T00:15:44Z)
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。