論文の概要: Polynomial neural surrogates for designing photonic quantum experiments

• arxiv url: http://arxiv.org/abs/2610.06032v1
• Date: Mon, 05 Oct 2026 09:30:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 19:20:18.788203
• Title: Polynomial neural surrogates for designing photonic quantum experiments
• Title（参考訳）: フォトニック量子実験の設計のためのポリノミアル・ニューラルサロゲート
• Abstract要約: 我々は、グラフベースの量子光学シミュレータであるPyTheusのための物理に着想を得たニューラルサロゲートを開発した。 我々のサロゲートは、標準的な多層パーセプトロンよりもトレーニング可能なパラメータが少なく、高い予測精度を実現する。 これらの結果は、基礎となる物理をニューラルサロゲートに組み込むことで、量子実験設計への効率的なアプローチが得られることを示唆している。
• 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: Physics simulators can support the discovery of quantum experiments by predicting the states generated by experimental configurations. When these simulators are computationally expensive, repeated simulator calls can limit the search for experiments that generate a desired quantum state. Here, we develop a physics-inspired polynomial neural surrogate for PyTheus, a graph-based quantum-optics simulator, to predict quantum states and use it to design quantum experiments. Its polynomial activations are motivated by the relation between graph perfect matchings and the resulting state amplitudes. We train separate surrogate models for four-, six-, and eight-photon systems and show that they achieve higher prediction accuracy with fewer trainable parameters than standard multilayer perceptrons. We then use the trained surrogates for inverse design of GHZ, W, and linear-cluster states. For the larger systems, the surrogates also enable faster inverse design than direct optimization with PyTheus. These results suggest that incorporating the underlying physics into neural surrogates can provide an efficient approach to quantum experiment design.
• Abstract（参考訳）: 物理シミュレータは、実験的な構成によって生成される状態を予測することによって、量子実験の発見を支援することができる。 これらのシミュレーターが計算コストが高い場合、繰り返しのシミュレーターコールは、所望の量子状態を生成する実験の探索を制限することができる。 本稿では、量子状態の予測と量子実験の設計に利用するために、グラフベースの量子光学シミュレータであるPyTheusのための物理に着想を得た多項式ニューラルサロゲートを開発する。 その多項式の活性化は、グラフ完全マッチングと結果の状態振幅の関係によって動機付けられる。 本研究では, 4光, 6光, 8光子系のサロゲートモデルを別々に訓練し, 通常のマルチ層パーセプトロンよりもトレーニング可能なパラメータが少なく, 高い予測精度が得られることを示す。 次に、トレーニングされたサロゲートを用いて、GHZ、W、および線形クラスタ状態の逆設計を行う。 より大きなシステムでは、サロゲートはPyTheusによる直接最適化よりも高速な逆設計を可能にする。 これらの結果は、基礎となる物理をニューラルサロゲートに組み込むことで、量子実験設計への効率的なアプローチが得られることを示唆している。

関連論文リスト

• SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
  基底状態探索は量子コンピューティングの中心である。 我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。 我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
  論文  参考訳（メタデータ） (2026-03-25T13:38:15Z)
• Digital Quantum Simulation of the Holstein-Primakoff Transformation on Noisy Qubits [40.8066152850216]
  クラウドベースの超伝導量子プロセッサ上でのボソニックモードのディジタル量子シミュレーションについて検討する。 アルゴリズムとハードウェアが引き起こすエラーの相互作用を検証し、最適なシミュレーションパラメータを同定する。
  論文  参考訳（メタデータ） (2026-02-19T20:14:04Z)
• Quantum Simulation and Energy Estimation for Discretized Anharmonic oscillator [1.0079626733116613]
  フィルタに基づく設計とトフォリゲートを備えた量子回路は、量子状態の進化を追跡するために構築される。 エネルギー推定には、2ローカルアンサッツと変分量子デフレレーション(VQD)を備えた変分量子固有解器(VQE)を用いる。
  論文  参考訳（メタデータ） (2025-09-25T08:49:09Z)
• Transformer neural networks and quantum simulators: a hybrid approach for simulating strongly correlated systems [1.6494451064539348]
  ニューラル量子状態(NQS)のハイブリッド最適化手法を提案する。 計算ベースからの射影測定と他の測定設定からの期待値の両方を用いることで、事前学習により状態の符号構造へのアクセスが可能になる。 我々の研究は、ニューラル量子状態の信頼性と効率的な最適化の道を開いた。
  論文  参考訳（メタデータ） (2024-05-31T17:55:27Z)
• Hybrid quantum learning with data re-uploading on a small-scale superconducting quantum simulator [29.81784450632149]
  スーパーバイザード量子学習(Supervised quantum learning)は、変分量子アルゴリズムと古典的な機械学習の間の創発的な多分野のドメインブリッジである。 簡単なバイナリとマルチラベルのタスクで量子回路をトレーニングし、95%の分類精度を達成し、手書き十進数認識時に90%の精度でデータを再アップロードするハイブリッドモデルを構築した。
  論文  参考訳（メタデータ） (2023-05-04T16:03:32Z)
• Quantum emulation of the transient dynamics in the multistate Landau-Zener model [50.591267188664666]
  本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。 我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
  論文  参考訳（メタデータ） (2022-11-26T15:04:11Z)
• Differentiable matrix product states for simulating variational quantum computational chemistry [6.954927515599816]
  本稿では,変分量子固有解法(VQE)の並列化可能な古典シミュレータを提案する。 我々のシミュレーターは量子回路の進化を古典的自己微分フレームワークにシームレスに統合する。 応用として、我々のシミュレーターを用いて、一般的なHF、LiH、H$Oなどの小分子と、最大40ドルの量子ビットを持つより大きな分子であるCO$$、BeH$、H$_4$を研究する。
  論文  参考訳（メタデータ） (2022-11-15T08:36:26Z)
• Experimental Simulation of Loop Quantum Gravity on a Photonic Chip [0.0]
  集積フォトニクス量子プロセッサ上でのループ量子重力(LQG)のスピンフォーム振幅の量子シミュレーションを実験的に実証した。 実験結果から得られたスピンフォーム振幅は, 実験的不完全性にもかかわらず, 理論的予測に対して4%の誤差で低下することがわかった。 また、より複雑な遷移のシミュレーションを現実的な実験条件下で一般化する方法についても論じる。
  論文  参考訳（メタデータ） (2022-07-01T17:14:30Z)
• Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
  本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。 トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。 問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
  論文  参考訳（メタデータ） (2021-07-05T03:20:54Z)
• Probing the Universality of Topological Defect Formation in a Quantum Annealer: Kibble-Zurek Mechanism and Beyond [46.39654665163597]
  一次元横フィールドイジングモデルによるトポロジカル欠陥生成の実験的検討について報告する。 位相フリップ誤差を伴う開系量子力学のKZMにより量子シミュレータの結果を実際に説明できることが判明した。 これは、環境からの孤立を仮定する一般化KZM理論の理論的予測が、その元のスコープを越えてオープンシステムに適用されることを意味する。
  論文  参考訳（メタデータ） (2020-01-31T02:55:35Z)

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。