論文の概要: Classical Bound on the Fisher Information Rate of a Dephasing-Enhanced Quantum Neuron

• arxiv url: http://arxiv.org/abs/2609.35076v1
• Date: Mon, 28 Sep 2026 13:00:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 17:11:59.642188
• Title: Classical Bound on the Fisher Information Rate of a Dephasing-Enhanced Quantum Neuron
• Title（参考訳）: 強調強調された量子ニューロンの漁獲量に関する古典的境界
• Abstract要約: Dephasingは、散逸性量子ニューロンの活性化を鋭くすることができるが、定常応答は、その出力が単位時間当たりの入力情報量を決定するものではない。 我々は、繰り返し投影された読み出しから、完全レコードのしきい値応答帯域と正確なローカルフィッシャー情報率を導出する。 これらの結果は、量子ニューロンの動作情報スループットと、有限時間量子ニューラル処理のためのハードウェア対応ベンチマークとを区別する。
• 参考スコア（独自算出の注目度）: 8.242134152706194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dephasing can sharpen the activation of a dissipative quantum neuron, but a stationary response does not determine how much input information its output delivers per unit time. For a single qubit with partial-reset updates at rate $ν$, we derive the threshold response bandwidth and the exact local Fisher information rate of the complete record from repeated projective readouts, including their backaction. Near the activation threshold, the rate obeys $\mathcal R\leqν(1-s)(1+s)^2/2\leq16ν/27$, where $s$ is the retained amplitude of each update. For every fixed finite Markovian dephasing rate, optimization over the readout interval and $s$ gives the same supremum, approached at $s=1/3$ with arbitrarily rapid ideal readout. A finite measurement dead time instead selects a finite optimal interval, which we obtain by a dimensionless two-parameter optimization. The ideal bound is saturated by a classical two-state jump process: quantum coherence changes finite-cadence performance but cannot raise the optimized bound. These results separate noise-enhanced activation from the operational information throughput of a quantum neuron and provide a hardware-aware benchmark for finite-time quantum neural processing.
• Abstract（参考訳）: Dephasingは、散逸性量子ニューロンの活性化を鋭くすることができるが、定常応答は、その出力が単位時間当たりの入力情報量を決定するものではない。 部分的にリセットされた更新レートが$ν$の単一キュービットに対して、バックアクションを含む繰り返し投影された読み出しから、完全レコードのしきい値応答帯域と正確なローカルフィッシャー情報率を導出する。 アクティベーション閾値付近では、$\mathcal R\leqν(1-s)(1+s)^2/2\leq16ν/27$に従う。 すべての固定有限マルコフ的減数レートに対して、読み出し間隔と$s$の最適化は同じ上限を与え、任意に高速なイデアル読み出しで$s=1/3$に近づく。 有限測定デッドタイムは、代わりに、次元のない2パラメータ最適化によって得られる有限最適区間を選択する。 理想的境界は古典的な二状態ジャンプ法によって飽和される: 量子コヒーレンスは有限ケイデンス性能を変化させるが、最適化された境界を上げることはできない。 これらの結果は、量子ニューロンの動作情報スループットと、有限時間量子ニューラル処理のためのハードウェア対応ベンチマークとを区別する。

関連論文リスト

• Towards Scalable Persistence-Based Topological Optimization [44.16669776030478]
  永続性に基づく位相最適化は、点クラウド $X の部分集合 mathbbRd$ を $L(X) = ell(mathrmDgm(X))$ という形の目的を最小化することによって変形する。 実際、最適化は2つの結合した問題によって制限される: 永続ホモロジーは典型的にはサブサンプル上で計算され、結果として生じる位相勾配は非常にスパースであり、非ゼロ更新を受けるアンカーポイントはわずかである。
  論文  参考訳（メタデータ） (2026-05-09T15:47:20Z)
• Causality, localization, and universality of monitored quantum walks with long-range hopping [0.0]
  一次元格子上の量子ウォークの最適リセット率を決定するための戦略を提供する。 我々の結果は、平衡を決定するための長距離コヒーレント力学、対称性、局所量子計測プロセスの相互作用に光を当てた。
  論文  参考訳（メタデータ） (2025-04-16T13:08:42Z)
• Optimal asymptotic precision bounds for nonlinear quantum metrology under collective dephasing [0.0]
  ノイズの強調は、最先端の量子センシングプラットフォームにおけるデコヒーレンスの主要な原因である。 一般化した干渉法プロトコルの性能に対する任意の時間相関による古典的エム集合的デフォーカスの効果を解析する。
  論文  参考訳（メタデータ） (2024-12-30T23:55:24Z)
• Q-Newton: Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent [37.59299233291882]
  本稿では,ニュートンのGDを用いたニューラルネットワークトレーニングの高速化を目的とした,ハイブリッド量子古典スケジューラQ-Newtonを提案する。 Q-Newtonは量子と古典的な線形解法を協調する合理化スケジューリングモジュールを使用している。 評価の結果,Q-Newtonは一般的な量子機械と比較してトレーニング時間を大幅に短縮できる可能性が示された。
  論文  参考訳（メタデータ） (2024-04-30T23:55:03Z)
• Improving Quantum Approximate Optimization by Noise-Directed Adaptive Remapping [2.6447353939786296]
  ノイズ指向リマッピング(Noss-Directed Remapping, NDAR)は、ある種のノイズを利用して二進最適化問題を解決するアルゴリズムである。 我々は、グローバルなアトラクタ状態を特徴とするダイナミックスを備えたノイズの多い量子プロセッサへのアクセスを検討する。 我々のアルゴリズムは、ノイズアトラクターを高品質な解に変換する方法で、コスト関数ハミルトニアンを反復的にゲージ変換することでノイズアトラクター状態をブートストラップする。
  論文  参考訳（メタデータ） (2024-04-01T18:28:57Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Subexponential rate versus distance with time-multiplexed quantum repeaters [0.9634859579172252]
  直接伝送による量子通信容量-$L$光ファイバーは$R sim e-alpha L$としてスケールし、$alpha$はファイバーの損失係数である。 時間多重化は、空間的あるいはスペクトル的多重化だけでは達成できない$R sim e-tsqrtalpha L$というサブ指数速度-vs.距離スケーリングにつながることを示す。
  論文  参考訳（メタデータ） (2021-05-03T16:48:07Z)
• Finite-Time Analysis for Double Q-learning [50.50058000948908]
  二重Q-ラーニングのための非漸近的有限時間解析を初めて提供する。 同期と非同期の二重Q-ラーニングの両方が,グローバル最適化の$epsilon$-accurate近辺に収束することが保証されていることを示す。
  論文  参考訳（メタデータ） (2020-09-29T18:48:21Z)

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。