論文の概要: Spectral Quantum Memory for Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2611.04574v1
• Date: Tue, 03 Nov 2026 09:35:50 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:22:01.615283
• Title: Spectral Quantum Memory for Implicit Neural Representations
• Title（参考訳）: 入射神経表現のためのスペクトル量子メモリ
• Abstract要約: 本稿では、メモリ結合量子INRであるSQMM(Spectral Quantum Memory Model)を紹介する。 各バンドはメモリを読み出し、自身の座標アップロードで計算し、その状態の一部を書き戻す。 下流のバンドは、以前のバンドに格納されたスペクトル内容にフーリエ係数を条件付け、メモリ結合は新しい原始周波数を生成しない。
• 参考スコア（独自算出の注目度）: 8.458339111154585
• License:
• Abstract: Implicit neural representations (INRs) model signals as continuous functions from coordinates to values, but their performance depends strongly on how spectral capacity is allocated. Yet most Quantum INR (QINR) architectures treat spectral components as independent outputs of separate quantum blocks. We introduce the Spectral Quantum Memory Model (SQMM), a memory coupled quantum INR in which sequential hybrid data reuploading layers (bands) communicate through a shared coherent quantum memory register. Each band reads the memory, computes on its own coordinate upload, and writes part of its state back, so later bands can build on the computation of earlier ones. When memory read and write layers are input independent, we prove that the memory state forms an operator valued Fourier series whose support is contained in the Minkowski sum of the initial memory spectrum and the local band spectra. Downstream bands then condition their Fourier coefficients on the spectral content stored by earlier bands, and the memory coupling creates no new primitive frequencies. This theory motivates a spectral memory alignment loss that encourages memory to encode the spectrum expressed by the deployed prefix of the model. Across audio and image reconstruction benchmarks, SQMM improves over compact QINR and INR baselines.
• Abstract（参考訳）: 入射神経表現(INR)モデル信号は座標から値への連続関数として機能するが、その性能はスペクトル容量の割り当てに大きく依存する。 しかし、ほとんどの量子INR(QINR)アーキテクチャは、スペクトル成分を独立した量子ブロックの独立した出力として扱う。 本稿では,SQMM(Spectral Quantum Memory Model)を提案する。これは,共有コヒーレントな量子メモリレジスタを通じて,連続的なハイブリッドデータ再アップロード層(バンド)が通信するメモリ結合量子INRである。 各バンドはメモリを読み出し、自身の座標アップロードで計算し、その状態の一部を書き戻す。 メモリの読み書き層が独立に入力されると、メモリ状態が初期メモリスペクトルと局所バンドスペクトルのミンコフスキー和に含まれる演算子値フーリエ級数を形成することが証明される。 下流のバンドは、以前のバンドに格納されたスペクトル内容にフーリエ係数を条件付け、メモリ結合は新しい原始周波数を生成しない。 この理論はスペクトルメモリアライメント損失を動機付け、モデルの展開プレフィックスによって表現されるスペクトルをメモリにエンコードさせる。 オーディオと画像再構成のベンチマーク全体で、SQMMはコンパクトQINRとINRベースラインよりも改善されている。

関連論文リスト

• Deterministic synthesis and processing of frequency-bin qubits in a macroscopically coherent quantum memory [0.0]
  我々は、空洞支援量子メモリを制御するための追加の自由度として、マクロスピンコヒーレンスを利用する。 我々のメモリは、単純な高周波回転を用いて任意の周波数ビンフォトニック量子ビットを確定的に合成する。 本研究は,量子ネットワークのための基本信号処理により,量子ストレージをブリッジする統合プラットフォームを構築した。
  論文  参考訳（メタデータ） (2026-09-19T18:43:51Z)
• From quantum reservoirs to quantum extreme learning machines through a nearest-neighbor spin chain with tunable quantum memory [0.0]
  入力エンコーディング長によって接続される単一アーキテクチャの2つの限界は、各ステップで新しいデータで上書きされたキュービットの数であることを示す。 繰り返し発生する量子メモリは、タスクが過去から遠くまで到達しなければならない場合に必須であり、関連する履歴が短い場合には不要である。 すべてのタスクにおいて、最高の貯水池はカオスの端で動作し、同じサイズのランダムな全対全結合を持つ密結合された貯水池と同様に機能する。
  論文  参考訳（メタデータ） (2026-08-28T15:27:38Z)
• Mela: Test-Time Memory Consolidation based on Transformation Hypothesis [0.0]
  本稿では,異なる更新周波数で動作する2つの機能的に異なるサブモジュールからなるニューラルメモリアーキテクチャを提案する。 変換仮説に触発されて、低周波のサブモジュールは抽象的なジストレベルの知識を捉えたハイレベルな表現を生成する。 我々は、HMMをTransformerベースの言語デコーダに統合し、テスト時にオンラインメモリ統合を実行するメモリ拡張言語モデルのファミリーであるMeraを形成する。
  論文  参考訳（メタデータ） (2026-05-11T13:20:51Z)
• Scalable Memory Sharing in Photonic Quantum Memristors for Reservoir Computing [3.757436782267772]
  フォトニック量子メムリスタ(PQMR)は非マルコフ応答を可能としたが、メモリは局所的要素に限られている。 本稿では,計測に基づくメモリ共有を実現するスケーラブルなPQMRネットワークを提案する。 本手法は,線形光学量子コンピューティングと互換性のある経験的デバイスを用いた高容量量子機械学習への道を開くものである。
  論文  参考訳（メタデータ） (2026-01-30T14:51:42Z)
• Efficient Quantum State Preparation with Bucket Brigade QRAM [47.72095699729477]
  量子状態におけるデータの合成は、量子アルゴリズムの設計において重要な要素である。 効率的な状態準備を実現するための主要なアプローチの1つは、量子ランダムアクセスメモリ(QRAM)を使用することである。 本稿では,Bucket Brigade QRAM(BBQRAM)の物理モデルとSegment Treeの古典的データ構造を統合し,効率的な状態生成を実現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-17T18:50:07Z)
• Cross-Frequency Implicit Neural Representation with Self-Evolving Parameters [52.574661274784916]
  Inlicit Neural representation (INR) は視覚データ表現の強力なパラダイムとして登場した。 本研究では,データを4つの周波数成分に分離し,ウェーブレット空間でINRを用いるHaar Wavelet変換(CF-INR)を用いた自己進化型クロス周波数INRを提案する。 CF-INRは画像の回帰, 塗装, 装飾, 雲の除去など, 様々な視覚的データ表現および回復タスクで評価される。
  論文  参考訳（メタデータ） (2025-04-15T07:14:35Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Kanerva++: extending The Kanerva Machine with differentiable, locally block allocated latent memory [75.65949969000596]
  エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。 我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。 この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
  論文  参考訳（メタデータ） (2021-02-20T18:40:40Z)
• Leveraging Automated Mixed-Low-Precision Quantization for tiny edge microcontrollers [76.30674794049293]
  本稿では、HAQフレームワークに基づく自動混合精度量子化フローを提案するが、MCUデバイスのメモリおよび計算特性に特化している。 具体的には、強化学習エージェントは、個々の重みとアクティベーションテンソルの2, 4, 8ビットのうち、最高の均一量子化レベルを探索する。 重量のみの量子化のために2MBに制限されたMCUクラスのメモリが与えられた場合、混合精度エンジンによって生成された圧縮されたモデルは、最先端のソリューションと同じくらい正確である。
  論文  参考訳（メタデータ） (2020-08-12T06:09:58Z)
• A Frequency-Multiplexed Coherent Electro-Optic Memory in Rare Earth Doped Nanoparticles [94.37521840642141]
  光の量子記憶は、長距離量子通信や分散量子コンピューティングのような量子技術において必須の要素である。 近年の研究では、希土類ドープナノ粒子では長い光学的およびスピンコヒーレンス寿命が観察可能であることが示されている。 我々は,Eu$3+$:Y$O$_3$ナノ粒子におけるコヒーレント光ストレージについて,SEMM(Stark Echo Modulation Memory)量子プロトコルを用いて報告する。
  論文  参考訳（メタデータ） (2020-06-17T13:25:54Z)

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。