論文の概要: Verifiable Sampling for Delegated Generative Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2610.13211v1
• Date: Fri, 09 Oct 2026 08:27:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.478502
• Title: Verifiable Sampling for Delegated Generative Quantum Machine Learning
• Title（参考訳）: Delegated Generative Quantum Machine Learningのための検証可能なサンプリング
• Abstract要約: 本稿では、量子モデルの推論フェーズに使用できるサンプリングのためのブラインドで検証可能なプロトコルを提案する。 このようなプロトコルは、Universal Blind Quantum Computingから盲点を継承し、既知のアプローチを利用して検証性を実現する。 検証プロトコルを特徴付ける通常のAccept/Abort結果だけでなく、推論のためのサンプリングプロトコルも、悪意のあるサーバに対しても提供します。
• 参考スコア（独自算出の注目度）: 0.03823356975862006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative machine learning has shown remarkable results across a wide range of interdisciplinary tasks, motivating significant efforts toward Quantum Generative Models as a path to beyond-classical performance, given their capability of generating classically intractable distributions. However, comparatively little attention has been paid to securely delegating such computations to a powerful remote quantum server. In this work, we propose a blind and verifiable protocol for sampling that can be used for the inference phase of such quantum models. Such a protocol inherits blindness from Universal Blind Quantum Computing and achieves verifiability by exploiting known approaches based on trapification schemes. Alongside, to delegate the training phase, we discuss an extension of the previously proposed verifiable end-to-end Delegated Variational Quantum Algorithms (Inajetovic et al., Phys. Rev. Research, 2026). Beyond the usual Accept/Abort outcome characterizing verification protocols, the sampling protocol for inference also provides, even against a malicious server, an estimation of the amount of corrupted generated samples, i.e., a fine-grained feature describing the quality of the outcome connecting verification protocols and application-level benchmarking.
• Abstract（参考訳）: 生成機械学習は、古典的に難解な分布を生成する能力を考えると、古典的なパフォーマンスへの道のりとして量子生成モデルに対する重要な取り組みを動機付け、幅広い学際的なタスクで顕著な成果を上げている。 しかし、そのような計算を強力なリモート量子サーバに安全に委譲するには、比較的注意が払われていない。 本研究では、このような量子モデルの推論フェーズに使用できるサンプリングのためのブラインドで検証可能なプロトコルを提案する。 このようなプロトコルは、Universal Blind Quantum Computingから盲目を継承し、トラップ方式に基づいた既知のアプローチを活用することにより、検証性を実現する。 また,従来提案されていた変分量子アルゴリズム(Inajetovic et al , Phys. Rev. Research, 2026)の拡張について検討した。 通常のAccept/Abort結果の特徴付け検証プロトコル以外にも、推論のためのサンプリングプロトコルは、悪意のあるサーバに対しても、破損した生成されたサンプルの量、すなわち、検証プロトコルとアプリケーションレベルのベンチマークを接続する結果の品質を詳細に記述した特徴を推定する。

関連論文リスト

• Bounding the Sample Fluctuation for Pure States Certification with Local Random Measurement [4.923287660970805]
  ランダム化計測技術の最近の進歩は、この分野に新たな洞察をもたらした。 ランダム局所ハール測定により純粋量子状態の証明を行うスキームの基本特性について検討する。 その結果,演算子の複雑性と量子アルゴリズムの効率との本質的な相互作用が明らかになり,長距離絡み付き純粋状態の局所的認証の障害となった。
  論文  参考訳（メタデータ） (2024-10-22T02:26:44Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Enhancing Quantum Computation via Superposition of Quantum Gates [1.732837834702512]
  我々は「重畳された量子エラー軽減」と表現する異なるプロトコルを提案する。 ノイズ抑制は,ほとんどの種類のデコヒーレンスや標準実験パラメーターシステムにおいて達成可能であることを示す。 ゲートベース,計測ベース,干渉計測ベースモデルに対する我々のアプローチを分析する。
  論文  参考訳（メタデータ） (2023-04-17T18:01:05Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise [68.1992787416233]
  量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。 我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
  論文  参考訳（メタデータ） (2022-11-02T05:17:04Z)
• Unifying Quantum Verification and Error-Detection: Theory and Tools for Optimisations [0.5825410941577593]
  クラウドベースの量子コンピューティングは、クライアントによって量子サービスプロバイダに委譲された計算が忠実に実行されるという強力な保証を提供するために不可欠である。 現在のプロトコルには、コンポーザビリティ、ノイズ・ロバスト性、モジュール性という3つの要素の少なくとも1つが欠落している。 本稿では,SDQCプロトコルの基本構造,すなわちクライアントがサーバの実行を希望する暗号化と,サーバの悪意のある動作を検出するように設計されたテストの2つのコンポーネントを混合する。 テストの種類を変えたり、クライアントの計算と混同したりすると、セキュリティとノイズの異なる新しいSDQCプロトコルが自動的に生成される。
  論文  参考訳（メタデータ） (2022-06-01T17:03:07Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Efficient Verification of Boson Sampling Using a Quantum Computer [0.0]
  我々は論文[arXiv:2006.03520]で与えられたプロトコルを用いて、IBM量子コンピュータ上の離散量子状態を用いたボソンサンプリング実験を構築した。 我々は,シングルモード忠実度推定,マルチモード忠実度推定,IBMQ "athens"チップを用いた検証プロトコルの実証を行った。
  論文  参考訳（メタデータ） (2021-08-09T11:41:15Z)

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。