論文の概要: Bottom-Up Design of Quantum Optical Experiments Using Discrete Generative Models

• arxiv url: http://arxiv.org/abs/2609.08073v1
• Date: Tue, 08 Sep 2026 00:33:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 19:41:52.764502
• Title: Bottom-Up Design of Quantum Optical Experiments Using Discrete Generative Models
• Title（参考訳）: 離散生成モデルを用いた量子光学実験のボトムアップ設計
• Abstract要約: textttGrinchは、光グラフを忠実度に基づく報酬から直接サンプリングすることを学ぶ報奨駆動フレームワークである。 マルチパーティイト状態、グラフおよびクラスタ状態、および非局所交叉フォトニックゲートターゲットに関するフレームワークを実証する。 本研究は,CNOT と Toffoli ゲートの代替として,アシラノード間の接続が制限された場合に,ハードウェア制約の目的を提示する。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing quantum optical experiments requires searching over discrete circuit topologies and continuous parameters, often with multiple realizations of the same target state. Graph-based methods commonly address this problem by optimizing a dense graph and pruning it toward a single circuit. We introduce \texttt{Grinch}, a bottom-up reward-driven generative framework that learns to sample optical graphs directly from fidelity-based rewards without relying on a pre-existing training dataset. We demonstrate the framework on multipartite entangled states, graph and cluster states, and nonlocal photonic-gate targets, obtaining multiple high-fidelity optical graphs. We identify asymptotic solutions for states that cannot be generated exactly by graphs, as well as nonlocal Toffoli gate constructions requiring two ancillas. Our work presents hardware-constraint objectives, which lead to alternative constructions of CNOT and Toffoli gates when connections between ancilla nodes are restricted. These findings illustrate a reward-driven approach to quantum optical inverse design, exploring alternative circuit topologies while directly incorporating connectivity constraints into the search process.
• Abstract（参考訳）: 量子光学実験を設計するには、離散回路トポロジと連続パラメータを探索する必要がある。 グラフベースの手法は、高密度グラフを最適化し、それを単一回路に向けてプルーニングすることでこの問題に対処する。 既存のトレーニングデータセットに頼らずに、忠実度に基づく報酬から直接光学グラフをサンプリングすることを学ぶボトムアップ報酬駆動型生成フレームワークである、‘texttt{Grinch} を紹介した。 我々は,多部交絡状態,グラフおよびクラスタ状態,非局所フォトニックゲートターゲットに関するフレームワークを実証し,複数の高忠実度光グラフを得る。 グラフによって正確に生成できない状態に対する漸近解と、2つのアンシラを必要とする非局所トフォリゲート構成を同定する。 本研究は,CNOT と Toffoli ゲートの代替として,アシラノード間の接続が制限された場合に,ハードウェア制約の目的を提示する。 これらの結果は、量子光学的逆設計に対する報酬駆動のアプローチを示し、探索プロセスに接続制約を直接組み込んで、代替回路トポロジを探索する。

関連論文リスト

• Limits of heralded photonic Bell-state generation in the presence of loss [0.0]
  高品質な光子の絡み合った状態は、通信、センシング、計算にまたがる量子情報科学(QIS)の応用をもたらす。 多くの離散可変フォトニックQISアーキテクチャでは、小さな絡み合った種子状態の融合測定によって大きな応用可能な状態が構築されている。 我々は、事象対応のベル状態を生成するための5つの隠蔽スキームを解析し、それらの隠蔽確率、忠実性、エラーの堅牢性を対比した。
  論文  参考訳（メタデータ） (2026-08-03T00:12:50Z)
• Generative Diffusion Models of Stochastic Graph Signals [74.4097723209053]
  本稿では,条件付きグラフ信号生成モデルの問題に取り組み,単一の拡散フレームワークを用いてそれらに取り組む。 グラフトポロジとノード機能側情報に基づいて直接条件付きグラフ信号を描画するグラフニューラルネットワーク(GNN)によりパラメータ化された逆拡散過程を学習する。 本稿では,株価予測と最適無線リソース割り当てという2つの生成課題について,両領域で広範囲に数値計算を行った。
  論文  参考訳（メタデータ） (2026-07-07T22:02:13Z)
• Directed Graph Topology Inference via Graph Filter Identification [54.541275287889164]
  本稿では,グラフ畳み込みフィルタが生成するノイズ測定から有向ネットワークを推定する問題に対処する。 また、上記のステップを交互に交互に組み合わせて、サンプルの複雑さを向上する結合グラフフィルタとトポロジー同定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-06-25T18:25:57Z)
• Evolutionary Router Feature Generation for Zero-Shot Graph Anomaly Detection with Mixture-of-Experts [60.60414602796664]
  ゼロショットGADのための進化的ルータ特徴生成(EvoFG)を備えた新しいMoEフレームワークを提案する。 EvoFGは最先端のベースラインを一貫して上回り、強力で安定したゼロショットGAD性能を実現している。
  論文  参考訳（メタデータ） (2026-02-12T06:16:51Z)
• DREAM: Dual-Standard Semantic Homogeneity with Dynamic Optimization for Graph Learning with Label Noise [53.55187452152358]
  本稿では,ラベル付きグラフ上での信頼度,関係インフォームド最適化のためのDREAM(Dual-Standard Semantic Homogeneity with Dynamic Optimization)を提案する。 具体的には、グラフ内の各ラベル付きノードの信頼性を反復的に再評価するリレーショナルインフォームド動的最適化フレームワークを設計する。
  論文  参考訳（メタデータ） (2026-01-24T12:54:18Z)
• Graph Alignment via Dual-Pass Spectral Encoding and Latent Space Communication [31.43539830271355]
  本稿では,ノードの特異性を同時に強化し,潜在空間間の幾何的整合性を実現する新しいグラフアライメントフレームワークを提案する。 提案手法では,低域通過スペクトルフィルタと高域通過スペクトルフィルタを組み合わせたデュアルパスエンコーダを導入し,構造認識と高判別の両方が可能な埋め込みを生成する。
  論文  参考訳（メタデータ） (2025-09-11T16:36:16Z)
• What Improves the Generalization of Graph Transformers? A Theoretical Dive into the Self-attention and Positional Encoding [67.59552859593985]
  自己アテンションと位置エンコーディングを組み込んだグラフトランスフォーマーは、さまざまなグラフ学習タスクのための強力なアーキテクチャとして登場した。 本稿では,半教師付き分類のための浅いグラフ変換器の理論的検討について紹介する。
  論文  参考訳（メタデータ） (2024-06-04T05:30:16Z)
• Performance analysis of quantum repeaters enabled by deterministically generated photonic graph states [6.06945682395675]
  量子リピータは 古典的な通信に近づく 高速な絡み合いの分布速度を可能にします 量子エミッタを用いてフォトニックグラフ状態を生成する新しいスキームが提案されている。 2つの異なるグラフ状態に基づいて量子リピータの性能を定量的に解析する。
  論文  参考訳（メタデータ） (2022-09-23T06:13:55Z)
• Semi-Supervised Clustering of Sparse Graphs: Crossing the Information-Theoretic Threshold [3.6052935394000234]
  ブロックモデルは、ネットワーク構造データのクラスタリングとコミュニティ検出のための標準ランダムグラフモデルである。 ネットワークトポロジに基づく推定器は、モデルパラメータが一定の閾値以下である場合、スパースグラフの確率よりも大幅に向上する。 パラメータ領域全体でラベルの任意の部分で実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-05-24T00:03:25Z)
• Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
  本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。 本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
  論文  参考訳（メタデータ） (2022-02-05T08:21:04Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• Compressive gate set tomography [1.3406858660972554]
  ゲートセットトモグラフィーは、同時に自己整合的に量子ゲート全体の実装に関するトモグラフィ記述を抽出する特性的アプローチである。 ゲート集合の低ランク近似は、ゲート列が著しく少ないことから得られることを示す。 また,ゲートセットトモグラフィーによる推定により,影推定プロトコルのコヒーレント誤差を緩和できることを示す。
  論文  参考訳（メタデータ） (2021-12-09T19:03:47Z)

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。