Fugu-MT 論文翻訳(概要): Discretisation of quantum feedback networks for implementation on a quantum computer

論文の概要: Discretisation of quantum feedback networks for implementation on a quantum computer

arxiv url: http://arxiv.org/abs/2608.16608v2
Date: Sat, 22 Aug 2026 18:51:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-25 18:24:36.884556
Title: Discretisation of quantum feedback networks for implementation on a quantum computer
Title（参考訳）: 量子コンピュータ実装のための量子フィードバックネットワークの離散化
Abstract要約: 量子フィードバックネットワーク理論(英: Quantum Feedback Network Theory、SLH-framework)は、量子光学系のモデリングのための強力なツールである。本稿では,SLH-networksを量子コンピュータ上で実装可能であると判断する手法について述べる。
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 Feedback Network Theory (also known colloquially as the SLH-framework) is a powerful tool for modeling systems in quantum optics. This paper describes a method for discretising SLH-networks such that they can be implemented on a quantum computer. Building on a discretisation theorem for quantum stochastic differential equations, we establish strong convergence, uniformly on compact time intervals, of the discretised system to the continuous SLH-network as the discretisation mesh goes to zero.
Abstract（参考訳）: 量子フィードバックネットワーク理論(英: Quantum Feedback Network Theory、SLH-framework)は、量子光学系のモデリングのための強力なツールである。本稿では,SLH-networksを量子コンピュータ上で実装できるように識別する手法について述べる。量子確率微分方程式の離散化定理に基づいて、離散化メッシュが0となるにつれて、離散化系を連続SLH-ネットワークに一様にコンパクトな時間間隔で強い収束を確立する。

関連論文リスト

VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文参考訳（メタデータ） (2025-06-12T01:38:15Z)
Neural-network-assisted Monte Carlo sampling trained by Quantum Approximate Optimization Algorithm [0.8009842832476994]
本稿では、量子回路と生成型ニューラルサンプリング(GNS)を組み合わせたハイブリッド量子古典MCMCフレームワークを提案する。 GNSは量子出力を効率的にエミュレートするために古典的なサロゲートとして機能し、回路制約を解除する。これらの結果から,NISQデバイスのためのサンプリングベース量子アルゴリズムとして本手法が確立された。
論文参考訳（メタデータ） (2025-06-02T05:26:26Z)
Impact of the form of weighted networks on the quantum extreme reservoir computation [0.0]
量子極端貯水池計算(QERC)は、汎用的な量子ニューラルネットワークモデルである。本稿では,その簡単な実装経路を持つ乱れ離散時間結晶に基づく単純なハミルトンモデルが,ほぼ最適性能を実現する方法を示す。
論文参考訳（メタデータ） (2022-11-15T01:50:47Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Characterizing arbitrary quantum networks in the noisy intermediate-scale quantum era [0.0]
NISQ時代の任意の量子ネットワークに取り組むための体系的なアプローチを提供する。我々の手法の1つの応用は、量子ネットワークにおける重要な要素の進展を目撃することである。
論文参考訳（メタデータ） (2022-10-25T03:36:02Z)
Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文参考訳（メタデータ） (2022-09-16T02:37:32Z)
Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
量子回路をキューネットワークとしてモデル化することを提案する。提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
論文参考訳（メタデータ） (2021-06-26T10:55:52Z)
Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-05-30T12:19:27Z)
Distributed Quantum Computing and Network Control for Accelerated VQE [0.0]
本研究では, 量子コンピュータの分散量子コンピュータにおいて, 量子固有解法(AVQE)アルゴリズムを任意のサイズ(量子ビット数)に分散する手法を検討する。本稿では,集中型および分散化されたネットワーク制御の設定において,分散量子制御システムのためのアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-01-07T11:50:24Z)
Quantum Stochastic Walk Models for Quantum State Discrimination [6.85316573653194]
量子ウォーク(QSW)は、量子ウォークと古典的ランダムウォークの両方の一般化を可能にする。このようなシステムにおける量子状態判別の問題を考慮し、ネットワークトポロジの重みを最適化することで解決する。
論文参考訳（メタデータ） (2020-03-30T08:07:12Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。