論文の概要: Energetic Cost of Temporal Information Processing in Quantum Reservoirs

• arxiv url: http://arxiv.org/abs/2608.08279v1
• Date: Sat, 08 Aug 2026 18:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.756006
• Title: Energetic Cost of Temporal Information Processing in Quantum Reservoirs
• Title（参考訳）: 量子貯留層における時間情報処理のエネルギーコスト
• Abstract要約: 量子貯水池コンピューティングは、エネルギー効率の高い機械学習への有望な道筋を提供する。 相互作用するスピン貯水池では、情報符号化と情報処理は異なる物理機構によって制御されることを示す。
• 参考スコア（独自算出の注目度）: 0.47248250311484113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum reservoir computing offers a promising route toward energy-efficient machine learning by processing temporal information with minimal training overhead. Yet, the physical principles linking its energetic cost to computational performance remain largely unexplored. Here we show that, in an interacting spin reservoir, information encoding and information processing are governed by distinct physical mechanisms. In the weak interacting regime, we derive an analytical expression for the average (switching) work, showing that the energetic cost of encoding new inputs is determined by the local response of the reservoir units. In contrast, interactions primarily redistribute the encoded information, generating memory and nonlinear features while only weakly affecting the work. This separation produces opposite correlations between energetic cost and performance for representative linear and nonlinear benchmark tasks. Our results identify the switching work as the energetic signature of information encoding and clarify when energetic efficiency and computational performance are compatible.
• Abstract（参考訳）: 量子貯水池コンピューティングは、時間的情報を最小限の訓練オーバーヘッドで処理することで、エネルギー効率の高い機械学習への有望な経路を提供する。 しかし、そのエネルギーコストと計算性能を結びつける物理原理はほとんど解明されていない。 ここでは、相互作用するスピン貯水池において、情報符号化と情報処理は異なる物理機構によって制御されることを示す。 弱い相互作用状態においては、平均的な(スイッチング)作業の解析式を導出し、新しい入力を符号化するエネルギーコストが貯水池ユニットの局所応答によって決定されることを示す。 対照的に、インタラクションは、主にエンコードされた情報を再分割し、メモリと非線形の特徴を生成しながら、作業に弱い影響しか与えない。 この分離により、線形および非線形ベンチマークタスクのエネルギーコストと性能の相関関係が生じる。 その結果,スイッチング作業は情報符号化のエネルギ的シグネチャとして認識され,エネルギ的効率と計算性能の両立が明確になった。

関連論文リスト

• Organization of computation in reservoir computing [0.0]
  貯留層計算は非線形力学系を利用して時間入力を状態空間表現にエンコードする。 本稿では,次級情報処理能力と対応する状態空間モードをリンクする固有スペクトル分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-20T11:59:11Z)
• Optimal Memory Encoding Through Fluctuation-Response Structure [0.688204255655161]
  最適入力符号化はシステムのゆらぎ応答構造に支配される問題であることを示す。 バックプロパゲーションに基づくエンコーダ最適化は ROME と等価であることが示され,タスク依存型特徴混合と固有雑音とのトレードオフが明らかになった。
  論文  参考訳（メタデータ） (2026-03-23T07:44:35Z)
• Illuminating the Black Box of Reservoir Computing [2.925652638976278]
  本研究の目的は、異なるモデルタスクに必要な最小の計算要素を特定することである。 ニューロンの数、非線形性、結合構造の必要性について検討する。 驚いたことに、読み出し層が計算の大部分を実行する非自明なケースが見つかる。
  論文  参考訳（メタデータ） (2025-11-21T07:13:26Z)
• Deep Lookup Network [76.66809324649154]
  多くのリソース制限エッジデバイスでは、複雑な演算をルックアップテーブルを通じて計算し、計算コストを削減できる。 本稿では,ニューラルネットワーク構築の基本的な操作として使用できる汎用的で効率的な検索操作を提案する。 計算コストのかかる乗算演算をルックアップ演算に置き換えることで、画像分類、画像超解像、点クラウド分類タスクのためのルックアップネットワークを開発する。
  論文  参考訳（メタデータ） (2025-09-17T03:31:41Z)
• Intra-DP: A High Performance Collaborative Inference System for Mobile Edge Computing [67.98609858326951]
  Intra-DPはモバイルデバイス上でのディープニューラルネットワーク(DNN)に最適化された高性能な協調推論システムである。 推論毎のレイテンシを最大50%削減し、最先端のベースラインと比較してエネルギー消費量を最大75%削減する。 評価の結果,DP内の遅延は,最先端のベースラインと比較して最大50%,エネルギー消費は最大75%減少することがわかった。
  論文  参考訳（メタデータ） (2025-07-08T09:50:57Z)
• Dissipation alters modes of information encoding in small quantum reservoirs near criticality [1.9260081982051918]
  量子貯水池コンピューティング(QRC)は、時間的機械学習タスクに取り組むために、短期的な量子デバイスを活用するための有望なパラダイムとして登場した。 本稿では, 制御可能な結合, 固有非線形性, 調整可能な光子損失を記述した, 駆動散逸型量子貯水池の最小モデルについて検討する。 鍵となる結果は、動的分岐をマークする臨界点近くで、システムは主に冗長から相乗的エンコーディングへと遷移することを示している。
  論文  参考訳（メタデータ） (2024-12-24T08:53:30Z)
• CARE Transformer: Mobile-Friendly Linear Visual Transformer via Decoupled Dual Interaction [77.8576094863446]
  本稿では,新しいdetextbfCoupled dutextbfAl-interactive lineatextbfR atttextbfEntion (CARE) 機構を提案する。 まず,非対称な特徴分離戦略を提案し,非対称的に学習プロセスを局所帰納バイアスと長距離依存に分解する。 分離学習方式を採用し,特徴間の相補性を完全に活用することにより,高い効率性と精度を両立させることができる。
  論文  参考訳（メタデータ） (2024-11-25T07:56:13Z)
• Deep Photonic Reservoir Computer for Speech Recognition [49.1574468325115]
  音声認識は人工知能の分野で重要な課題であり、目覚ましい進歩を目撃してきた。 深い貯水池コンピューティングはエネルギー効率が高いが、よりリソース集約的な機械学習アルゴリズムと比較して、パフォーマンスに制限がある。 フォトニック方式の深層貯水池コンピュータを提案し,その性能を音声認識タスクで評価する。
  論文  参考訳（メタデータ） (2023-12-11T17:43:58Z)
• Machine learning at the mesoscale: a computation-dissipation bottleneck [77.34726150561087]
  入力出力デバイスとして使用されるメソスコピックシステムにおける計算散逸ボトルネックについて検討する。 我々のフレームワークは、情報圧縮、入出力計算、非相互相互作用によって引き起こされる動的不可逆性の間の決定的な妥協に光を当てている。
  論文  参考訳（メタデータ） (2023-07-05T15:46:07Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)

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。