論文の概要: Versatile Quantum Machine Learning with an Ultra-low Power Photonic Quantum Reservoir Computer
- arxiv url: http://arxiv.org/abs/2609.24381v1
- Date: Mon, 21 Sep 2026 10:19:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.253876
- Title: Versatile Quantum Machine Learning with an Ultra-low Power Photonic Quantum Reservoir Computer
- Title（参考訳）: 超低消費電力フォトニック量子貯留層コンピュータによるバーサタイル量子機械学習
- Abstract要約: 集積フォトニックマイクロプロセッサは、高帯域幅、大並列線形計算を提供する。
しかし、非線形の特徴マップと時間記憶を実現することは、機械学習にとって重要な課題である。
ここでは, 非線形マッピング, フェージングメモリ, タスク多目的性を実現し, 貯水池コアの能動的チューニングを行なわない集積フォトニック量子貯水池コンピュータについて述べる。
- 参考スコア（独自算出の注目度）: 11.262568679521545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integrated photonic microprocessors provide high-bandwidth, massively parallel linear computation, but realizing nonlinear feature maps and temporal memory remain key challenges for machine learning. Conventional approaches rely on active tuning and additional nonlinear elements, increasing architectural complexity and power overhead. Here we demonstrate an integrated photonic quantum reservoir computer that achieves nonlinear mapping, fading memory, and task versatility without active tuning of the reservoir core. The same chip supports accurate static classification, dynamic prediction, and stable autonomous forecasting, establishing broad utility across both classification and temporal inference tasks. Competitive performance is retained in the zero-bias state, where all on-chip phase shifters are unpowered, eliminating active control and reducing computational power consumption to zero. This passive operation highlights a scalable route to multifunctional machine-learning hardware, where large-scale photonic quantum processors can be repurposed as reservoirs without reconfiguring their internal optical networks. By combining quantum-state encoding, multimode interferometric mixing, and photon-statistical readout, this architecture provides a physically grounded paradigm for low-power, large-scale quantum reservoir computing.
- Abstract（参考訳）: 集積フォトニックマイクロプロセッサは、高帯域幅で非常に並列な線形計算を提供するが、非線形特徴写像と時間記憶を実現することは、機械学習の重要な課題である。
従来のアプローチは、アクティブチューニングと追加の非線形要素に依存しており、アーキテクチャの複雑さと電力オーバーヘッドが増大している。
ここでは, 非線形マッピング, フェージングメモリ, タスク多目的性を実現し, 貯水池コアの能動的チューニングを行なわない集積フォトニック量子貯水池コンピュータについて述べる。
同じチップは正確な静的分類、動的予測、安定した自律予測をサポートし、分類タスクと時間的推論タスクの両方にわたって幅広いユーティリティを確立する。
競合性能はゼロバイアス状態に保たれ、オンチップ位相シフト器はすべて非パワーであり、アクティブ制御を排除し、計算消費電力をゼロにする。
この受動的操作は多機能機械学習ハードウェアへのスケーラブルな経路を強調し、大規模なフォトニック量子プロセッサを内部光学ネットワークを再構成することなくリザーブとして再利用することができる。
量子状態符号化、マルチモード干渉混合、および光子統計読出を組み合わせることで、このアーキテクチャは低消費電力で大規模な量子貯水池計算のための物理的基盤となるパラダイムを提供する。
関連論文リスト
- Low-power analogue neural networks with trainable nonlinear connections for continuous control [54.59241649882409]
物理ニューラルネットワークはアナログデバイス物理を直接計算することで低消費電力の機械学習を約束する。
トレーニング可能な非線形関数を接続上に配置し、各物理接続を学習可能な計算要素とする。
その利点はタスク依存であり、物理的基盤の滑らかさから従うことが分かる。
論文 参考訳（メタデータ） (2026-06-21T15:55:23Z) - Extensible universal photonic quantum computing with nonlinearity [23.494822608519083]
普遍量子コンピューティングは線形回路と決定的に強力な非線形資源の両方をサポートするアーキテクチャを必要とする。
本稿では,完全プログラム可能でスケーラブルな線形光ネットワークと非線形モジュールをシームレスに結合することで,ユニバーサルゲートセットをサポートするフォトニックコンピュータについて報告する。
このプラットフォームは、幅広い量子コンピューティングとシミュレーションタスクを可能にする。
論文 参考訳（メタデータ） (2026-02-06T09:50:06Z) - Scalable Memory Sharing in Photonic Quantum Memristors for Reservoir Computing [3.757436782267772]
フォトニック量子メムリスタ(PQMR)は非マルコフ応答を可能としたが、メモリは局所的要素に限られている。
本稿では,計測に基づくメモリ共有を実現するスケーラブルなPQMRネットワークを提案する。
本手法は,線形光学量子コンピューティングと互換性のある経験的デバイスを用いた高容量量子機械学習への道を開くものである。
論文 参考訳（メタデータ） (2026-01-30T14:51:42Z) - Time-series forecasting with multiphoton quantum states and integrated photonics [0.0]
我々は、再構成可能な線形光集積フォトニック回路によって情報を処理できる量子貯水池計算プロトコルを実装した。
我々は、入力信号が回路の光位相の1つに符号化される様々なシナリオにおいて、時系列予測タスクにマルチフォトンベースの設定を利用する。
本研究では,2光子区別不能な入力状態が,識別可能な入力状態に比べて著しく性能が向上することを示す。
論文 参考訳（メタデータ） (2025-12-02T16:51:22Z) - Minimal Quantum Reservoirs with Hamiltonian Encoding [72.27323884094953]
ハミルトニアン符号化に基づく量子貯水池計算のための最小限のアーキテクチャについて検討する。
このアプローチは、一般的に量子機械学習に関連する実験的なオーバーヘッドの多くを回避します。
論文 参考訳（メタデータ） (2025-05-28T16:50:05Z) - HQViT: Hybrid Quantum Vision Transformer for Image Classification [48.72766405978677]
本稿では,モデル性能を向上しつつ,モデルトレーニングを高速化するHybrid Quantum Vision Transformer(HQViT)を提案する。
HQViTは振幅エンコーディングによる全画像処理を導入し、位置エンコーディングを追加せずにグローバルな画像情報をよりよく保存する。
様々なコンピュータビジョンデータセットの実験により、HQViTは既存のモデルよりも優れており、最大10.9%(MNIST 10-classification task)の改善を実現している。
論文 参考訳（メタデータ） (2025-04-03T16:13:34Z) - Universal Logical Quantum Photonic Neural Network Processor via Cavity-Assisted Interactions [0.0]
量子フォトニクスニューラルネットワークを用いて任意の多モード多光子状態に対する論理量子演算を準備・実行するためのアーキテクチャを提案する。
提案アーキテクチャは、誤り訂正量子計算を可能にする、短期的な量子フォトニックプロセッサの道を開くものである。
論文 参考訳（メタデータ） (2024-10-02T23:21:50Z) - Simulation of Entanglement Generation between Absorptive Quantum
Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。
本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。
本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文 参考訳（メタデータ） (2022-12-17T05:51:17Z) - Topologically Protecting Squeezed Light on a Photonic Chip [58.71663911863411]
集積フォトニクスは、導波路内部に厳密に光を閉じ込めることで非線形性を高めるエレガントな方法を提供する。
シリカチップに励起光を発生させることができる自発4波混合のトポロジカルに保護された非線形過程を実験的に実証した。
論文 参考訳（メタデータ） (2021-06-14T13:39:46Z) - Reservoir Computing with Magnetic Thin Films [35.32223849309764]
新しい非伝統的なコンピューティングハードウェアは、自然現象を利用して効率を上げる可能性を秘めている。
物理貯水池計算は、様々な非伝統的なシステムでこれを実証している。
マイクロスケールシミュレーションにより薄膜の3つの磁性体を初期探査する。
論文 参考訳（メタデータ） (2021-01-29T17:37:17Z) - Temporal Information Processing on Noisy Quantum Computers [3.4180402210147243]
複素散逸型量子力学を利用する量子貯水池計算を提案する。
遠隔アクセスされたクラウドベースの超伝導量子コンピュータに関する実証実験は、小さくノイズの多い量子貯水池が高次非線形時間的タスクに対処できることを実証している。
本研究は, 量子誤り訂正を伴わず, 忠実度を増大させるような, 短期ゲートモデル量子コンピュータの魅力的な時間的処理手法の道筋をたどるものである。
論文 参考訳（メタデータ） (2020-01-26T19:00:03Z)
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。