Identification of quantum generative circuits with parallel quantum neural network
本論文は、量子生成回路の識別を目的とした並列量子エンベディングニューラルネットワーク(ParaQuanNet)を提案し、相互無偏測定と並列処理の導入により、高い分類精度とノイズ耐性を実現したことを報告している。
1973 件の論文
本論文は、量子生成回路の識別を目的とした並列量子エンベディングニューラルネットワーク(ParaQuanNet)を提案し、相互無偏測定と並列処理の導入により、高い分類精度とノイズ耐性を実現したことを報告している。
本論文は、ns-3 上で構築されたモジュール式かつ拡張可能な量子ネットワークシミュレータ Q2NS を提案し、古典的および量子通信の密接な共シミュレーション機能と多様な量子状態表現のサポートを通じて、既存の最先端ツールを上回る計算効率を実証している。
本論文は、線形量子チャネル下において、実装が容易な離散変調に確率的振幅整形(PAS)を適用することで、ガウス変調 GG02 プロトコルに匹敵する性能を達成する連続変量量子鍵配送(CV-QKD)方式を提案し、その安全性と性能を評価したものである。
この論文は、固体量子シミュレーターの実験データから有効ハミルトニアンを特定するために物理制約をモデル構造に埋め込んだ教師なし物理情報ニューラルネットワークフレームワークを提案し、量子ドットチェーンの輸送測定データを用いた学習実験を通じてその有効性と一般化能力を実証した。
本論文は、VeriQloud の Qline ハードウェア上で量子オブリアス転送と量子トークンを実装し、理論から実装までの手法を確立することで、単一用途の量子ネットワークから多目的な量子通信ネットワークへの移行を可能にする実証研究である。
本研究は、Rydberg 原子センサーと深層学習モデルを組み合わせることで、低信号条件下でも部分放電信号のスペクトル指紋を高精度に認識し、非侵襲的かつ高感度な電気絶縁診断を実現する手法を提案している。
本論文は、クーロンポテンシャルの特異性によるグリッドベースシミュレーションの誤差を軽減するポテンシャル演算子と初期波動関数の 2 つの補正スキームを提案し、古典および量子コンピューティングプラットフォームにおいて高精度なクーロン系ダイナミクスを実現する実践的な戦略を確立しています。
本論文は、畳み込みフィルタを固定し勾配ベースの最適化を回避する QUBO ベースの反復フレームワークを提案し、量子アニーリングを用いて CNN 分類器ヘッドを訓練することで、複数の画像分類ベンチマークにおいて古典的 SGD と競争力のある精度を達成可能であることを示している。
本論文は、厳密因子分解枠組みにおいて、非断熱的な電子 - 核相関による電子因子の直交性の喪失が、初期には存在しなかった核密度の干渉を動的に生成することを示した。
本論文は、グラフニューラルネットワークを用いて LR-QAOA の成功確率と最小レイヤー数を予測する「QAOA-Predictor」を提案し、高コストなパラメータ最適化を回避して効率的な固定パラメータ最適化を実現する手法を示した。
本論文は、量子入力 - 出力理論を用いて同軸ポートを介した超伝導キャビティキュービット系における単一・二光子輸送特性の解析的量子フルウェーブ解を導出し、量子インターコネクトのモデル化を検証する手法を提案している。
非カイラルな波導管に閉じ込められた原子の集団放出において、原子の熱運動と遷移双極子の位相の相互作用によって誘起される制御可能な方向性を実験的に観測し、最大 0.89 の方向性を達成したことを報告する。
本論文は、GFlowNet と Transformer を組み合わせた QFlowNet を提案し、量子ユニタリ合成において疎な報酬信号から効率的に学習し、高速かつ多様な解を生成する新しいパラダイムを確立した。
本論文は、超伝導量子コンピュータを用いてダイヤモンド中の NV 中心とスピン不純物系をシミュレーションし、量子状態トモグラフィーを通じてコヒーレンスや絡み合いを分析することで、量子センサ環境のモデル化プラットフォームとしての有効性を実証した。
本研究は、シリコンスピン量子ビットにおける空間相関ノイズを定量化し、電荷ノイズは距離とともに減衰し量子誤り訂正と互換性がある一方、磁場ドリフトは緩和可能な技術的課題であることを示し、シリコン量子ビットの耐故障性量子計算への適性を明らかにした。
本論文は、2 次元 U(1) 格子ゲージ理論のロクシャール・キベルソンモデルにおいて、熱化を破る固有状態が正確な安定化子状態(サブラティス・スカー)として内在的に存在し、クラフォード回路を用いて効率的に準備可能であることを明らかにした。
本論文は、量子ニューラルネットワークの設計を「状態到達性」から「学習能力」へと転換し、データと重みの結合依存性に基づく幾何学的柔軟性(aCLS)が隠れた量子表現の制御を可能にすることで、性能向上と資源効率化を実現する幾何学的設計原則を提案している。
本論文は、相互情報量に基づく量子インスパイアードなハミルトニアン特徴抽出法を ADMET 予測に応用し、シミュレーション研究において古典的ベースラインを上回る性能を達成するとともに、量子特徴がモデルの重要度に大きく寄与することを示した。
本論文は、中性原子量子コンピュータの原子検出における画像再構築時間を削減するため、FPGA 実装とアルゴリズム最適化を組み合わせることで CPU ベースラインに対し最大 34.9 倍の高速化を実現する並列アクセラレータを提案しています。
本研究は、NISQ 時代の量子ハードウェア制約内で動作するトランモン量子ビットを用いた暗黒物質探索アルゴリズムを提案し、補助量子ビットを用いたプロトコルにより従来の単一量子ビット探索に比べて最大 10 倍の速度向上を実現することを示した。