論文の概要: Provably efficient experimental classification of quantum data with quantum kernels

• arxiv url: http://arxiv.org/abs/2610.39350v1
• Date: Thu, 29 Oct 2026 04:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 00:09:46.524972
• Title: Provably efficient experimental classification of quantum data with quantum kernels
• Title（参考訳）: 量子核を用いた量子データの潜在的に効率的な実験的分類
• Abstract要約: 理論的には、効率的な量子状態分類のための枠組みを確立する。 プログラム可能なフォトニックプロセッサ上で,提案手法を実験的に実証する。 本研究は量子状態分類のための理論誘導および実験的に検証された枠組みを構築した。
• 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: Analyzing quantum systems is essential for quantum information processing, but can require exponentially many measurements without exploiting the structure of the system or task. Quantum machine learning offers a promising way to reduce this cost by learning from quantum data. Here, we theoretically establish a framework for efficient quantum-state classification and experimentally demonstrate the resulting scheme on a programmable photonic processor. Our analysis links learning efficiency to the structure of quantum data, without relying on a physical description tailored to each task. We derive sufficient conditions for accurate classification with a number of measurements polynomial in system size. We apply this guarantee to a resource problem in continuous-variable (CV) quantum computing: classifying stellar rank, a measure of non-Gaussianity. Experimentally, we implement the classification of single-mode CV quantum states with stellar rank zero and one. This is enabled by developing a programmable CV photonic processor capable of preparing and processing diverse Gaussian and non-Gaussian states and performing virtual projection onto such states, going beyond the Gaussian-only capabilities of most existing photonic platforms. The experiment demonstrates accurate classification despite experimental imperfections. Our results establish a theory-guided and experimentally validated framework for quantum-state classification that can be implemented on quantum devices available today.
• Abstract（参考訳）: 量子システムを解析することは量子情報処理に不可欠であるが、システムやタスクの構造を活用せずに指数関数的に多くの測定を必要とすることがある。 量子機械学習は、量子データから学習することで、このコストを削減する有望な方法を提供する。 ここでは,効率的な量子状態分類のためのフレームワークを理論的に確立し,プログラム可能なフォトニックプロセッサ上で得られたスキームを実験的に実証する。 本分析では,各タスクに合わせた物理記述に頼ることなく,学習効率を量子データの構造に関連付ける。 システムサイズにおける多数の測定多項式を用いた正確な分類のための十分な条件を導出する。 この保証を連続可変(CV)量子コンピューティングにおける資源問題に適用する。 実験では,星級0と1の単一モードCV量子状態の分類を実装した。 これは、多様なガウス状態と非ガウス状態の準備と処理が可能なプログラマブルなCVフォトニックプロセッサを開発し、既存のほとんどのフォトニックプラットフォームのガウスのみの機能を超えた仮想的なプロジェクションを実行することで実現されている。 この実験は、実験上の欠陥にもかかわらず正確な分類を示す。 この結果は量子状態分類のための理論誘導および実験的に検証されたフレームワークを構築し、今日利用可能な量子デバイス上で実装できる。

関連論文リスト

• Machine learning of quantum data using optimal similarity measurements [3.104564384044915]
  ボゾン量子干渉を用いた量子類似性を推定するための,サンプル最適,ハードウェア効率のプロトコルを提案する。 我々は,完全にプログラム可能な集積フォトニックプロセッサをベースとした量子コンピューティングプラットフォームであるemphPrakash-1の方式を実装した。 本研究は,効率的な量子データ解析のためのスケーラブルな経路として,共同オーバーラップ測定を確立した。
  論文  参考訳（メタデータ） (2026-02-26T21:17:12Z)
• Photonic Quantum-Accelerated Machine Learning [0.6654914040895585]
  古典的機械学習のための量子加速器を提案する。 我々はボソンサンプリングを用いて貯水池計算のための高次元量子指紋を提供する。 各種条件下での堅牢な性能向上を示す。
  論文  参考訳（メタデータ） (2025-12-09T07:32:45Z)
• Quantum phase classification via quantum hypothesis testing [0.39102514525861415]
  理論的には2つの量子状態の区別に最適である量子ネイマン・ピアソン検定に基づく分類アルゴリズムを提案する。 その結果,提案手法は低い分類誤差確率を実現し,トレーニングコストを大幅に削減できることがわかった。 これらの知見は、量子位相分類の強力なツールとしての量子仮説テストの可能性を強調している。
  論文  参考訳（メタデータ） (2025-04-05T08:23:45Z)
• 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)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Continuous-variable quantum kernel method on a programmable photonic quantum processor [0.0]
  CV量子カーネル法は,実験上の不完全条件下であっても,複数のデータセットを頑健に分類できることを実験的に証明した。 このデモンストレーションは、QMLのためのCV量子システムの実用性に光を当て、他のCVQMLアルゴリズムにおけるさらなる研究を刺激する。
  論文  参考訳（メタデータ） (2024-05-02T08:33:31Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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。