論文の概要: An Exact Polynomial Task-Risk Bridge for Time-Multiplexed Photonic Quantum Reservoirs
- arxiv url: http://arxiv.org/abs/2609.35243v1
- Date: Mon, 28 Sep 2026 14:16:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 07:15:58.040159
- Title: An Exact Polynomial Task-Risk Bridge for Time-Multiplexed Photonic Quantum Reservoirs
- Title（参考訳）: 時間多重フォトニック量子貯留層のための特殊多項式タスクリスクブリッジ
- Abstract要約: 時間多重化(TDM)フォトニック貯水池は通常、いくつかのデータセットのスコアによって判断される。
3つのステップで、タスクから予測リスクへの正確なブリッジを導出します。
- 参考スコア（独自算出の注目度）: 12.622865422006848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Time-multiplexed (TDM) photonic reservoirs are usually judged by their scores on a few datasets, which say little about a chip's overall performance, and designed by enumerating candidate circuits and simulating each one, which is inefficient and gives no guarantee of finding a good structure. For a time-unrolled passive linear network with data-modulated gates or sources and a ridge readout, we derive an exact bridge from the task to the prediction risk in three steps. (i) Task features: the finite-shot risk depends on the time series only through finitely many statistics of its training windows and their correlations with the target, selected by the encoding and the optical paths. (ii) Encoding: every output moment is a polynomial in the features of the data-modulated sites, with degree and support bounded by tuples of optical paths. Gate encoding reads the characteristic function and creates interactions across time lags; squeezing encoding reads the moment-generating function and displacement encoding low-order moments, and with quadrature receivers they yield only additive and linear models, respectively, for every topology. (iii) Readout: for homodyne, heterodyne and photon-number receivers the risk closes exactly, and its dependence on the number of shots is an explicit sum over signal-to-noise modes; threshold clicks admit finite-dictionary approximations with certified error. Parts of the network that share no light carry independent states, which a receiver combines only through measurement events that join them. Checks on seven datasets confirm every exact statement to machine precision. The three steps thus yield a useful space of candidate TDM architectures, pruned by exact statements rather than by trial simulation, which can in future guide the selection of TDM chips for target requirements.
- Abstract（参考訳）: TDM(Time-multiplexed)フォトニック貯水池は通常、チップ全体の性能についてほとんど言及していないいくつかのデータセットのスコアに基づいて判断され、候補回路を列挙し、それぞれをシミュレートすることによって設計される。
データ変調ゲートやソースとリッジの読み出しを備えた時間アンロールされた受動線形ネットワークに対して,タスクから予測リスクへの正確なブリッジを3ステップで導出する。
(i)タスクの特徴:有限ショットリスクは、トレーニングウィンドウの有限個の統計と、符号化と光学パスによって選択されたターゲットとの相関によってのみ、時系列に依存する。
(ii)符号化:各出力モーメントは、光路のタプルで区切られた次数とサポートを持つ、データ変調されたサイトの特徴の多項式である。
ゲートエンコーディングは特性関数を読み出し、時間ラグをまたいで相互作用を生成する; スクイーズ符号化は、モーメント生成関数と低次モーメントを符号化する変位を読み取る; 二次受信機では、各トポロジーに対してそれぞれ加法モデルと線形モデルしか生成しない。
可読性:ホモダイン、ヘテロダインおよび光子数受信機の場合、リスクは正確に閉じ、ショット数への依存は信号-雑音モードに対する明示的な和である。
光を共有しないネットワークの一部は独立した状態を持ち、受信機はそれらを結合する測定イベントを通してのみ結合する。
7つのデータセットのチェックは、マシンの正確性に対するすべての正確なステートメントを確認する。
この3つのステップは、TDMアーキテクチャの候補として有用な空間となり、試行錯誤ではなく正確なステートメントによって刈り取られ、将来はターゲット要求に対するTDMチップの選択をガイドできる。
関連論文リスト
- Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。
このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。
Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
論文 参考訳（メタデータ） (2026-07-08T05:48:57Z) - Attractor-Keyed Memory [0.0]
物理セレクタは、決定の時点で高次元のシグネチャを生成する。
試行錯誤(ステレオタイプ化)および経路間で線形に独立なシグネチャを繰り返すと、単一の線形デコーダがそれらを任意のペイロードにマップする。
我々は,全誤差分解を導出し,Ising-machineセレクタの構成を与え,合成スペックル・シグナチャシミュレーションで予測されたスケーリングを検証する。
論文 参考訳（メタデータ） (2026-03-17T18:31:40Z) - LEFT: Learnable Fusion of Tri-view Tokens for Unsupervised Time Series Anomaly Detection [53.191369031661885]
教師なし時系列異常検出は、アノテーションの可用性を前提とせず、異常なタイムスタンプを識別するモデルを構築することを目的としている。
本稿では,非教師付きTSADフレームワークであるLearnable Fusion of Tri-view Tokens(LEFT)について述べる。
実世界のベンチマーク実験では、LEFTはSOTAベースラインに対して最高の検出精度を示し、FLOPの5倍、トレーニングの8倍のスピードアップを実現している。
論文 参考訳（メタデータ） (2026-02-09T13:33:49Z) - FastFHE: Packing-Scalable and Depthwise-Separable CNN Inference Over FHE [8.949311128871928]
我々はFastFHEを提案し、完全同型暗号よりも高い推論精度でモデル推論を高速化する。
まず、時間とストレージ消費を節約するスケーラブルな暗号文データパッキング方式を提案する。
第3に,暗号文畳み込み層とバッチ正規化層とを余分な乗法深度を伴わずに融合させるBNドット積融合行列が発見された。
論文 参考訳（メタデータ） (2025-11-27T13:14:42Z) - Continuous-variable photonic quantum extreme learning machines for fast collider-data selection [0.0]
我々は、コライダーデータ処理のための高速かつ低オーバーヘッドのフロントエンドとして、連続可変フォトニック量子極端学習マシンについて研究する。
データは二次変位を通じてフォトニックモードで符号化され、固定時間ガウス量子基板を介して伝播する。
1つの線形解法を用いて線形分類器のみを訓練するので、再学習は高速であり、光学パスと検出器応答は解析と推論の遅延を設定できる。
論文 参考訳（メタデータ） (2025-10-15T18:21:32Z) - Density Matrix Emulation of Quantum Recurrent Neural Networks for Multivariate Time Series Prediction [3.1690235522182104]
QRNNの可能性を探求する主要な短期的な代替手段としてエミュレーションが生まれている。
時系列からの現在および過去の情報が回路を介してどのように送信されるかを示す。
我々は、学習可能なパラメータに関して、ネットワーク出力の分析勾配とヘシアンを導出する。
論文 参考訳（メタデータ） (2023-10-31T17:32:11Z) - KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。
1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。
その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
論文 参考訳（メタデータ） (2023-07-16T04:27:03Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [41.99844472131922]
ノイズ観測から元の信号を復号することは、ほぼすべてのHMMデータ解析における主要な目標の1つである。
QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATSについて述べる。
QATSの実装はGitHubのRパッケージQATSにある。
論文 参考訳（メタデータ） (2023-05-29T19:37:48Z) - Sketching as a Tool for Understanding and Accelerating Self-attention
for Long Sequences [52.6022911513076]
トランスフォーマーベースのモデルは、自己アテンションモジュールの二次空間と時間的複雑さのために、長いシーケンスを処理するのに効率的ではない。
我々はLinformerとInformerを提案し、低次元投影と行選択により2次複雑性を線形(モジュラー対数因子)に還元する。
理論的解析に基づいて,Skeinformerを提案することにより,自己注意の促進と,自己注意への行列近似の精度の向上を図ることができる。
論文 参考訳（メタデータ） (2021-12-10T06:58:05Z)
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。