論文の概要: Quantum Federated Learning Based on Bures--Uhlmann Geometry for Heterogeneous Noisy Clients

• arxiv url: http://arxiv.org/abs/2608.28379v1
• Date: Fri, 28 Aug 2026 14:33:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.35367
• Title: Quantum Federated Learning Based on Bures--Uhlmann Geometry for Heterogeneous Noisy Clients
• Title（参考訳）: バーレスに基づく量子フェデレーション学習--不均一雑音クライアントのためのウルマン幾何学
• Abstract要約: 量子フェデレーション学習は、生データを共有せずに、量子デバイス間で協調的なモデルトレーニングを可能にする。 我々は,信頼できないクライアントを動的にダウンウェイトする達成可能な精度集約ルールを開発する。 トラップイオン量子エミュレータの実験的評価により,提案手法は多種多様なデバイス-異種性条件において高い精度を維持していることが示された。
• 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 federated learning enables collaborative model training across quantum devices without sharing raw data, and it faces the data and hardware heterogeneity inherent to noisy quantum devices. Utilizing the quantum geometric tensor is a natural remedy, yet pure-state approaches and diagonal approximations discard the correlations that encode parameter incompatibility. To address this, we extend the parameter-space geometry to the mixed states that noisy clients actually prepare. The real part of the resulting mixed-state geometric tensor is the Bures metric, which measures how fast the physical state changes under parameter variation, and the imaginary part is the mean Uhlmann curvature, which quantifies the incompatibility of estimating multiple parameters simultaneously. Accordingly, we employ the Bures metric as a local preconditioner and use the mean Uhlmann curvature to develop an achievable-precision aggregation rule that dynamically down-weights unreliable clients. Furthermore, we establish theoretical guarantees by proving a convergence theorem and a variance-dominance proposition. Empirical evaluations on a trapped-ion quantum emulator demonstrate that the proposed method maintains high accuracy across diverse device-heterogeneity conditions and outperforms standard federated averaging, whose accuracy degrades under strong noise.
• Abstract（参考訳）: 量子フェデレーション学習は、生データを共有せずに、量子デバイス間で協調的なモデルトレーニングを可能にし、ノイズの多い量子デバイス固有のデータとハードウェアの不均一性に直面します。 量子幾何テンソルを用いることは自然の救済であり、しかし純粋状態のアプローチと対角近似はパラメータの不整合性を符号化する相関を破棄する。 これを解決するために、パラメータ空間の幾何をノイズの多いクライアントが実際に準備する混合状態に拡張する。 結果として得られる混合状態幾何テンソルの実際の部分は、パラメータ変動の下で物理的状態がどれだけ速く変化するかを測るビューズ計量であり、虚部は平均ウルマン曲率であり、同時に複数のパラメータを推定する不整合性を定量化する。 そこで我々は,バーズ計量を局所プレコンディショナーとして使用し,平均ウールマン曲率を用いて,信頼できないクライアントを動的にダウンウェイトする達成可能な精度集約ルールを開発する。 さらに、収束定理と分散支配命題を証明して理論的保証を確立する。 捕捉イオン量子エミュレータの実験的評価により,提案手法は様々なデバイス不均一性条件に対して高い精度を維持し,高い雑音下での精度低下を許容する標準フェデレーション平均化よりも優れることを示した。

関連論文リスト

• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Symmetry Constrained Quantum Error Mitigation for the Schwinger Model [39.146761527401424]
  偏極雑音下でのゲージ理論のパリティ・フェルミオン数対称性を利用する。 ディジタル量子シミュレーションにおける対称性の検証について検討する。
  論文  参考訳（メタデータ） (2026-08-21T13:49:11Z)
• Neutrino Oscillation Parameter Estimation Using Structured Hierarchical Transformers [2.9849405664643585]
  ニュートリノ振動はニュートリノ質量と混合パラメータの基本情報を符号化する。 確率ベースやモンテカルロサンプリングのような従来の推論手法は、パラメータ空間を探索するために広範囲なシミュレーションを必要とする。 本稿では,大気中ニュートリノ振動パラメータ推論を教師付き回帰タスクとして再構成するデータ駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T18:40:08Z)
• Optimal multiparameter quantum estimation in accelerating Unruh-DeWitt detectors [0.09236074230806578]
  本研究では、一様加速検出器のバイパートライト系における相対論的量子温度測定の最終的な精度限界について検討する。 消音ノイズは, 純粋に強調するメカニズムよりも, より高精度なノイズ損失をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T01:35:45Z)
• Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
  不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。 既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。 我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
  論文  参考訳（メタデータ） (2026-02-11T02:00:25Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Performance Guarantees for Quantum Neural Estimation of Entropies [31.955071410400947]
  量子神経推定器(QNE)は古典的ニューラルネットワークとパラメトリズド量子回路を組み合わせたものである。 非漸近的エラーリスク境界の形で測定された相対エントロピーのQNEの形式的保証について検討する。 我々の理論は、測定された相対エントロピーに対するQNEの原則的実装を促進することを目的としている。
  論文  参考訳（メタデータ） (2025-11-24T16:36:06Z)
• Variational Quantum Algorithm for Unitary Dilation [0.0]
  非ユニタリ作用素の近似ユニタリ拡張を効率的に実装するためのハイブリッド量子古典フレームワークを提案する。 量子クラウドコンピューティングクラスタQuafuにおける超伝導デバイスへのアプローチを検証する。
  論文  参考訳（メタデータ） (2025-10-22T01:23:59Z)
• Grassmann Variational Monte Carlo with neural wave functions [45.935798913942904]
  ヒルベルト空間のグラスマン幾何学の観点から、Pfau et al.citepfau2024accurateによって導入された枠組みを定式化する。 正方格子上のハイゼンベルク量子スピンモデルに対する我々のアプローチを検証し、多くの励起状態に対して高精度なエネルギーと物理観測値を達成する。
  論文  参考訳（メタデータ） (2025-07-14T13:53:13Z)
• Squeezing-enhanced accurate differential sensing under large phase noise [0.0]
  原子干渉計は量子ゆらぎによって基本的に制約される感度に到達している。 ここでは,スピンスクイーズ状態を用いた2つの原子干渉計による差分位相測定について理論的に検討する。 差分位相の分散を最小化し,N-2/3$のスケーリングを行い,楕円フィッティング法に固有のバイアスを排除した。
  論文  参考訳（メタデータ） (2025-01-30T10:38:45Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• Optimizing one-axis twists for variational Bayesian quantum metrology [0.0]
  特に、量子ビット位相推定(回転センシング)は、電場センシング、磁気メソメトリー、原子時計、ジャイロスコープへの応用において、ユビキタスな問題として現れる。 任意軸ツイストアンサーゼと呼ばれるパラメタライズド符号化および復号化プロトコルの新たなファミリーを提案する。 対象推定誤差を達成するのに必要な1軸ツイスト数を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2022-12-23T16:45:15Z)

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。