論文の概要: EntangledEdge: A Distributed System for Orbital Quantum Sensing and Learning

• arxiv url: http://arxiv.org/abs/2610.24353v1
• Date: Sat, 17 Oct 2026 00:52:17 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:48:10.164738
• Title: EntangledEdge: A Distributed System for Orbital Quantum Sensing and Learning
• Title（参考訳）: EntangledEdge: 軌道量子センシングと学習のための分散システム
• Abstract要約: 本稿では、軌道量子センシングとエンド・ツー・エンドの学習を統合する最初のシステムアーキテクチャであるEntangledEdgeを紹介する。 バウンダリ毎のバウンダリコストで高品質な推論を実現し、量子プロセッサの利用性を改善し、フリートサイズでスケールする。
• 参考スコア（独自算出の注目度）: 4.021708369773394
• License:
• Abstract: An orbital quantum sensor is more precise than classical and holds its information in a quantum state's superposition and entanglement, which classical measurement collapses. Learning on quantum-sensed data therefore requires a distributed system in which the data stay quantum from sensor to inference. We present EntangledEdge, the first system architecture to unify orbital quantum sensing and learning end-to-end, with a quantum data plane and a classical control plane. It routes each event to a channel-matched model in a capacity-diverse bank, adapts its detection threshold without labels, and aggregates across stations by hardware fidelity. Evaluated with a hybrid prototype (real quantum processors, simulated orbit-to-ground link) over satellite telemetry, EntangledEdge achieves high-quality inference at bounded per-event cost, improves quantum processor utilization, and scales with fleet size.
• Abstract（参考訳）: 軌道量子センサーは古典的よりも正確であり、古典的な測定が崩壊する量子状態の重畳と絡み合いにその情報を保持する。 したがって、量子センシングデータに対する学習には、センサーから推論までデータが量子状態に留まる分散システムが必要である。 本稿では,軌道量子センシングとエンドツーエンド学習を量子データプレーンと古典制御プレーンとで統合する最初のシステムアーキテクチャであるEntangledEdgeを提案する。 各イベントをキャパシティ・ディバースバンクのチャネルマッチングモデルにルーティングし、ラベルなしで検出しきい値を調整し、ハードウェアの忠実度によって駅間で集約する。 衛星テレメトリによるハイブリッドプロトタイプ(実際の量子プロセッサ、シミュレーションされた軌道-地上リンク)により評価され、EntangledEdgeはバウンド・イン・アンセットのコストで高品質な推論を実現し、量子プロセッサの利用性を改善し、艦隊規模でスケールする。

関連論文リスト

• Digitized Counterdiabatic Quantum Feature Extraction [35.670314643295036]
  そこで本研究では,ハミルトニアンの局所多体スピンのダイナミクスを用いて,複素特徴量を生成するハミルトン型量子特徴抽出法を提案する。 分子毒性分類と画像認識を含む高次元実世界のデータセットに対するアプローチを評価する。 その結果、量子的特徴抽出と古典的特徴抽出を組み合わせることで、さまざまな機械学習タスク間で一貫した改善が得られることが示唆された。
  論文  参考訳（メタデータ） (2025-10-15T17:59:35Z)
• Quantum Data Centers: Why Entanglement Changes Everything [6.310092608526967]
  量子インターネットは、複数の量子プロセッサを仮想量子計算システムに相互接続することで、分散量子コンピューティングの鍵となる。 ネットワークトポロジの動的再構成におけるエンタングルメントオーケストレータの役割を強調し,量子データセンターの物理的制約とトポロジ的制約を分析した。
  論文  参考訳（メタデータ） (2025-06-03T14:22:55Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Federated Learning With Quantum Networks [7.842152902652214]
  本稿では,古典データとハブ-スポークトポロジを用いた通信のための量子古典的転送学習手法を提案する。 量子通信は盗聴攻撃から安全であり、量子から古典への変換の計測は行わないが、クローニング定理がないため、ハブ・スポークトポロジーは量子メモリなしでの量子通信には理想的ではない。 また、量子フェデレート学習における量子ウェイトの最初の成功例も示しています。
  論文  参考訳（メタデータ） (2023-10-23T16:45:29Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum Similarity Testing with Convolutional Neural Networks [4.540894342435848]
  制約データと雑音データを用いて未知の連続変数状態を比較する機械学習アルゴリズムを開発した。 我々のアプローチは、低次元状態表現に基づいて量子状態の類似性を評価する畳み込みニューラルネットワークに基づいている。
  論文  参考訳（メタデータ） (2022-11-03T09:24:23Z)
• A quantum processor based on coherent transport of entangled atom arrays [44.62475518267084]
  量子プロセッサは動的で非局所的な接続を持ち、絡み合った量子ビットは高い並列性でコヒーレントに輸送されることを示す。 このアーキテクチャを用いて,クラスタ状態や7キュービットのSteane符号状態などの絡み合ったグラフ状態のプログラム生成を実現する。
  論文  参考訳（メタデータ） (2021-12-07T19:00:00Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Integrable quantum many-body sensors for AC field sensing [0.0]
  本稿では,ACフィールドの振幅を検出するために,積分可能な多体系を効率的に利用できることを述べる。 提案プロトコルは,短期量子シミュレータでも実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-05-27T23:52:22Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)

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。