論文の概要: Quantum Computing through Computational Imaging: Representations, Measurement, and Inference
- arxiv url: http://arxiv.org/abs/2610.40393v1
- Date: Thu, 29 Oct 2026 16:32:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 07:17:09.351857
- Title: Quantum Computing through Computational Imaging: Representations, Measurement, and Inference
- Title（参考訳）: コンピュータイメージングによる量子コンピューティング:表現,計測,推論
- Abstract要約: 本稿では,計算画像と工学的読者の4つの特徴を論じる。
入力値の振幅エンコーディングと完全な候補ラベルのエンコーディングを分離する。
シュミット級数と効率的な古典シミュレーションの条件を区別する。
低ランク状態再構成と選択された量子アルゴリズムは、これらの区別をエンドツーエンドのリソースアカウントに接続する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An algebraic correspondence between an imaging model and a quantum state does not specify a computational method: input access, measurement and decoding determine what can be returned. This exposition develops four distinctions for computational-imaging and engineering readers. It separates amplitude encodings of input values from encodings of complete candidate labelings, explaining why amplitude storage does not provide full-array readout. Complex-field interference motivates unknown-phase inference: complementary measurements resolve ambiguities that local Fisher information alone does not detect. Reshaping joint amplitudes into a matrix connects singular-value decomposition to pure-state entanglement, while distinguishing Schmidt rank from conditions for efficient classical simulation. In a four-pixel segmentation, an objective becomes a cost operator and a sampling circuit. One layer of the quantum approximate optimization algorithm (QAOA) lowers mean energy from $1.675$ to $0.686$ relative to uniform sampling, yet makes a nonoptimal labeling more probable than the optimum 0.484 versus 0.365. Archived IBM and IQM measurements illustrate a separate six-variable local boundary decision. Low-rank state reconstruction and selected quantum algorithms connect these distinctions to an end-to-end resource account. The derivations and reproducible numerical references assume complex linear algebra and probability, without prior quantum mechanics. The accompanying Seeing Amplitudes browser laboratory supports interactive exploration; the article remains self-contained and connects each representation to the estimate or decision it permits and the resources that output requires.
- Abstract（参考訳）: 画像モデルと量子状態の間の代数的対応は、入力アクセス、測定、復号化という計算方法を定義していない。
この展示では、計算イメージングとエンジニアリングリーダーの4つの区別が展開されている。
入力値の振幅符号化と完全な候補ラベルの符号化を分離し、振幅記憶がフルアレイ読み出しを提供しない理由を説明する。
補測は、局所的なフィッシャー情報だけでは検出できないあいまいさを解消する。
行列への合同振幅の変換は特異値分解と純粋状態の絡み合いを結び、シュミット階数と効率的な古典的シミュレーションの条件を区別する。
4画素セグメンテーションでは、目的がコスト演算子およびサンプリング回路となる。
量子近似最適化アルゴリズム(QAOA)の1つの層は、一様サンプリングと比較して平均エネルギーを1.675ドルから0.686ドルに下げるが、最適な0.484対0.365よりも高い確率で最適でないラベルを作る。
アーカイブされたIBMとIQMは、6変数の局所境界の決定を別々に示す。
低ランク状態再構成と選択された量子アルゴリズムは、これらの区別をエンドツーエンドのリソースアカウントに接続する。
導出と再現可能な数値参照は、以前の量子力学なしで複素線型代数と確率を仮定する。
記事は自己完結したままで、各表現をそれが許容する見積もりや決定と、出力に必要なリソースに接続する。
関連論文リスト
- Quantum Evolution Kernel for Node-Attributed Graphs [42.10344083312251]
ノード分布グラフを中性原子量子コンピュータに埋め込む新しい手法を提案する。
本稿では,数値認識への応用を提案する。
本稿では,より一般的なJensen-Shannon距離法よりも平均精度が高いことを示す。
論文 参考訳（メタデータ） (2026-10-27T10:35:26Z) - Diagnosing quantum reservoirs at scale based on expressivity and coverage [42.13843953705695]
量子貯水池は、量子機械学習へのハードウェアフレンドリーなルートを提供する。
貯水池は最適化されていないため、性能は貯水池の選択に依存する。
2つの相補的な量に基づいて構築されたスケーラブルでハードウェアに依存しないフレームワークを導入する。
論文 参考訳（メタデータ） (2026-07-10T14:16:13Z) - Decoded Quantum Interferometry Beyond Hamming: Rank-Metric and Translation Association Schemes [39.146761527401424]
Decoded Quantum Interferometry (DQI) はコヒーレントデコーディングと量子フーリエ変換を用いて、構造化最適化問題の高品質な解を求める。
我々は、コアDQI機構をハミング空間を越えて、翻訳対称性を持つ有限測地へと拡張する。
min(m,n)-l付近の有効ランクプロキシによる解が得られ、対応する期待スコアはサンプルの残留ランクに制限された定数確率に変換することができる。
論文 参考訳（メタデータ） (2026-06-03T13:12:15Z) - Hadamard Random Forest: Reconstructing real-valued quantum states with exponential reduction in measurement settings [1.857570444541311]
我々は、状態ベクトル再構成に必要な測定設定を$O(N_mathrmq)$に削減する実数値量子状態の読み出し方法を提案する。
我々は、最新のIBM量子プロセッサ上で最大10量子ビットの手法を実験的に検証し、エンタングルメントやマジックなどの重要な特性を正確に抽出できることを実証した。
論文 参考訳（メタデータ） (2025-05-09T22:12:54Z) - An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。
入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。
我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-04-13T11:49:53Z) - Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。
リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Quantum Sparse Coding [5.130440339897477]
我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。
量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。
我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
論文 参考訳（メタデータ） (2022-09-08T13:00:30Z) - Efficient quantum readout-error mitigation for sparse measurement outcomes of near-term quantum devices [4.814193390931978]
本稿では、2つの効率的な量子読み出し誤差軽減法を提案する。
提案手法は、$O(ns2)$ time for probability distributions of $n$ qubits and $s$ shotsで終了する。
提案手法を用いて,65量子GHZ状態の緩和にはほんの数秒しかかからず,29量子GHZ状態の0.5を超える忠実さを目撃する。
論文 参考訳（メタデータ） (2022-01-26T16:42:03Z) - Variational Quantum Algorithms for Trace Distance and Fidelity
Estimation [7.247285982078057]
近距離量子デバイスにおける2つの距離測定のためのハイブリッド量子古典アルゴリズムを提案する。
まず,変分トレース距離推定(VTDE)アルゴリズムを提案する。
次に,変分忠実度推定(VFE)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-10T15:56:58Z)
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。