論文の概要: Single-shot online sequence classification with unbounded quantum memory advantage

• arxiv url: http://arxiv.org/abs/2608.23669v1
• Date: Mon, 24 Aug 2026 17:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.472364
• Title: Single-shot online sequence classification with unbounded quantum memory advantage
• Title（参考訳）: 非有界量子メモリによるシングルショットオンラインシーケンス分類
• Abstract要約: 古典的エージェントには境界なく成長するメモリが必要であるが、量子エージェントは境界メモリを持つファミリー内のすべてのタスクを解くことができる。 我々の量子構造は、証明可能な最小限のメモリであり、そのようなタスクを実行するための、古典的および量子メモリの正確な複雑さを導出することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An agent monitors a complex environment, receiving one observation at each time step and eventually deciding how to label the resulting sequence. Does the sequence indicate an anomaly, and if so, of what type? Does it signal market instability, and to what degree? This is the setting of online multi-class classification: the input arrives sequentially, the full history is never available at once, and the agent must retain any past information relevant to the eventual decision. As the environment becomes more complex, the memory needed to track this information can grow rapidly without bound. Here, we introduce families of such multi-class classification games and show that any exact classical agent requires memory that grows without bound, whereas exact quantum agents can solve all tasks in the family with bounded memory. This separation is sharp: any classical agent using less than the required memory, under suitable input distributions, performs arbitrarily close to random guessing. Moreover, our quantum constructions are provably memory minimal, allowing us to derive the exact classical and quantum memory complexities to perform such tasks. In doing so, we establish an unbounded separation between classical and quantum memory cost for online multi-class classification.
• Abstract（参考訳）: エージェントは複雑な環境を監視し、各タイミングで1回の観察を受け、最終的に結果のシーケンスをラベル付けする方法を決定する。 シーケンスは異常を示し、もしそうなら、どのタイプの異常を示すか? 市場の不安定さと、どの程度の程度を示すのか? これはオンラインのマルチクラス分類の設定であり、入力は順次到着し、完全な履歴は一度に入手できず、エージェントは最終的な決定に関連する過去の情報を保持する必要がある。 環境が複雑化するにつれて、この情報を追跡するために必要なメモリは、バウンドなしで急速に成長する。 ここでは、そのような多クラス分類ゲームのファミリーを導入し、任意の古典的エージェントが有界に成長するメモリを必要とするのに対して、正確な量子エージェントは、有界なメモリを持つファミリー内の全てのタスクを解くことができることを示す。 この分離は鋭く、必要なメモリより少ない古典的エージェントは、適切な入力分布の下で、任意にランダムな推測を行う。 さらに、我々の量子構造は、確実に最小限のメモリであり、そのようなタスクを実行するための、古典的および量子メモリの正確な複雑さを導出することができる。 これにより、オンライン多クラス分類における古典的メモリコストと量子メモリコストの非有界分離が確立される。

関連論文リスト

• Quantum Incremental Learning with Mixed State Prototypes [53.319426778720434]
  トレーニング可能な混合状態プロトタイプに基づく新しい量子インクリメンタル学習フレームワークを提案する。 本モデルでは,最小数の量子ビットを用いて高次元特徴量を実現する。
  論文  参考訳（メタデータ） (2026-08-11T04:22:42Z)
• A Compositional Theory of Causally Masked Transformers [50.88598486616582]
  モデルが実装した力学から直接表現性を導出する形式化を開発する。 各アテンションヘッドは、レイヤ内で独立して自身の状態を更新する。 修正されたソフトアテンションは、不可逆なチェックリストのような状態をサポートする。
  論文  参考訳（メタデータ） (2026-07-29T14:47:19Z)
• Distinguishing quantum processes with bounded coherent memory [0.0]
  マルチタイム量子プロセスの廃止は基本的な課題である。 2つのプロセスを区別するための標準ベンチマークは、戦略ノーム距離である。 自律的な区別のための機械を導入する。
  論文  参考訳（メタデータ） (2026-06-17T18:52:19Z)
• The Physical and Contextual Limits of Quantum Speedup [0.0]
  量子計算は指数関数的に多くの古典計算の同時実行としてしばしば誤認識される。 この記事では、量子重ね合わせの成分が独立に可読な古典枝として扱うことができないことを示す概念的明確化を提供する。
  論文  参考訳（メタデータ） (2026-05-12T19:25:47Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• What do larger image classifiers memorise? [64.01325988398838]
  トレーニング例は, モデルサイズにまたがって, 予想外の多彩な記憶軌跡を示す。 有効で一般的なモデル圧縮手法である知識蒸留は,記憶を阻害する傾向があり,一般化も改善する。
  論文  参考訳（メタデータ） (2023-10-09T01:52:07Z)
• Characterising the Hierarchy of Multi-time Quantum Processes with Classical Memory [1.3749490831384266]
  本稿では,従来の情報のみを転送するメモリ機構を持つマルチタイム量子プロセスについて検討する。 また、構造的観点から古典記憶を持つと考えられる2つの関連プロセスについても検討した。
  論文  参考訳（メタデータ） (2023-07-21T21:08:08Z)
• Learning Sequence Representations by Non-local Recurrent Neural Memory [61.65105481899744]
  教師付きシーケンス表現学習のためのNon-local Recurrent Neural Memory (NRNM)を提案する。 我々のモデルは長距離依存を捉えることができ、潜伏した高レベル特徴を我々のモデルで抽出することができる。 我々のモデルは、これらのシーケンスアプリケーションごとに特別に設計された他の最先端の手法と比較して好意的に比較する。
  論文  参考訳（メタデータ） (2022-07-20T07:26:15Z)
• Exact rate analysis for quantum repeaters with imperfect memories and entanglement swapping as soon as possible [0.0]
  本稿では,線形量子リピータチェーンを用いた秘密鍵の正確なレート解析について述べる。 メモリカットオフ、多重化、初期状態、ゲート忠実度交換などの追加ツールやパラメータについて検討する。
  論文  参考訳（メタデータ） (2022-03-19T12:55:56Z)
• Quantum adaptive agents with efficient long-term memories [0.0]
  エージェントが過去の経験から思い出さなければならない情報が増えるほど、必要なメモリが増えます。 メモリ圧縮の利点を最大化するために、量子エージェントが採用すべき最も一般的な形式を明らかにする。 これらのエンコーディングは、メモリ最小の古典的エージェントと比較して非常に有利なスケーリングの利点を示す。
  論文  参考訳（メタデータ） (2021-08-24T17:57:05Z)
• Preserving quantum correlations and coherence with non-Markovianity [50.591267188664666]
  量子系における相関とコヒーレンスを保存するための非マルコビアン性の有用性を示す。 共変量子ビットの進化に対して、非マルコビアン性は、常に量子コヒーレンスを保存するために使用できることを示す。
  論文  参考訳（メタデータ） (2021-06-25T11:52:51Z)
• Temporal correlations in the simplest measurement sequences [0.0]
  最も単純な測定シナリオ、すなわち、同じ測定を異なる時間で行う物理系の時間的相関について検討する。 このようなシーケンスを生成するリソースは、システムの内部次元(メモリ)である。 決定的に取得すべきシーケンスの最小メモリ要件を特徴付けるとともに,このメモリ閾値以下の確率的挙動を数値的に検討する。
  論文  参考訳（メタデータ） (2021-04-06T12:48:50Z)
• Kanerva++: extending The Kanerva Machine with differentiable, locally block allocated latent memory [75.65949969000596]
  エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。 我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。 この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
  論文  参考訳（メタデータ） (2021-02-20T18:40:40Z)

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。