Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Kobunshi

ビット/キュービット

町田 真二郎

Published Jan 1, 2002• 0 citations
Publisher
DOI
10.1295/kobunshi.51.446a

Related papers

Bifurcation from Classical to Quantum distinguishability(3) Chaos and nonlinear dynamics in dissipative systems(including BEC and pattern formations), Chaos and Nonlinear Dynamics in Quantum-Mechanical and Macroscopic Systems)

Kentaro Imafuku, Hideki Imai

古典二準位系(ビット)あるいは量子二準位系(キュービット)をアンシラとして、与えられた二つの熱浴の区別をすることを考える。そこで定義される古典あるいは量子判定能力の時開発展を調べ、量子論的判定能力が古典論的判定能力から分岐して出現することを示す。

物性研究•Jun 20, 2005•0 citations

ピンクのキュービット

Pieter Kok, Brendon W. Lovett

Nature Digest•Jan 1, 2007•0 citations

原子のスピントロニクス

中嶋, 隆, 誠哲 米蔵, Panagiotis Lambropoulos +2 more

•May 1, 2003•0 citations

Project Dorish: Next-Generation Autonomous Defensive Subsea Infrastructure Integrating Spin-Optical Quantum Networks, Out-of-Time-Order Correlator Acoustic Sensing, and UNCLOS Non-Lethal Denial Jurisprudence

Yoko(洋子) Hasebe(長谷部)

海底光ケーブルネットワークは、大陸間データトラフィックの 95% 以上を伝送しており、物理的な運動破壊工作や「Harvest Now, Decrypt Later」(HNDL)量子傍受キャンペーンの標的になりつつある重要な地政学的チョークポイントとして機能しています。このモノグラフは、次世代の自律型防御海底インフラストラクチャであるプロジェクト Dorish のアーキテクチャ、物理、熱力学、および国際法上の基盤を体系化しています。まず、量子光伝送層では、アンドレーエフ スピン キュービット(ASQ)とハーン スピン エコー シーケンスを利用したスピン光量子コンピューティング(SPOQC)を、誘導ブリルアン散乱光位相共役(SBS-OPC)および位相共役ツイン波(PCTW)と統合し、海洋横断スパン全体で $T_1/T_2$ デコヒーレンスを抑制し、カー非線形位相歪みを自己相殺します。第二に、リアルタイムの深海脅威検出のために、高次の時間外相関器(OTOC)「量子エコー」干渉増幅を、グリッドに依存しないハンケル・フーリエ神経演算子(Hankel-FNO)および適応型クリーンパルス圧縮光時間領域反射率測定法(PC-OTDR)と組み合わせ、$<5\text{ cm}$の空間分解能と$16\,\mu\varepsilon$の歪み感度を実現し、アンカーの引きずりやロボットによる改ざんの前に海洋堆積物のせん断帯の形成を事前に検出します。第三に、共有ポンプエルビウム添加光ファイバ増幅器を使用した空間分割多重化(SDM)(リピーター間隔を$150\text{ km}$まで拡張し、リピーター数を33~40%削減)と、Co-Packaged Optics(CPO)を収容するチタン製圧力容器内の2相浸漬マイクロチャネル冷却により、設備投資と熱力学的ボトルネックに対処します。最後に、旗国管轄権と構成的存在の原則を、NIST FIPS 203/204/205 ポスト量子暗号 (ML-KEM、ML-DSA、SLH-DSA)、量子物理的複製不可能関数 (QPUF)、および 64 ビット ゴールドロックス素体 ($\mathbb{F}_p、p = 2^{64} - 2^{32} + 1$) 上の QFS-zkVM 暗号監査証跡と組み合わせることにより、国連海洋法条約 (UNCLOS 第 87 条および第 113 条) の下で決定論的な法的暗号インターロックを確立し、人間指揮 (HIC) ガバナンスの下で実現します。 ====================================================================== 知的財産、商用ライセンス、および無許可のAIトレーニングと利用の禁止に関する厳格な通知 ====================================================================== 1. 許可されていないAIトレーニングおよびデータ取り込みの絶対的禁止(明示的なオプトアウトとAI制限) 本書および著者の著作物(以下、総称して「著作物」といい、これまでに発表されたすべての著作物および320件を超えるZenodoのモノグラフ/論文を含む)に含まれるすべてのテキスト、理論、数式、図、表、独自のメソッド、フレームワーク(「そろばん」システムを含む)、および知見は、厳重に保護されています。AI開発者、プラットフォームプロバイダー、または第三者は、著作権者との事前の書面による誠実な合意および正当な金銭的補償(商用ライセンス料)の支払いなしに、以下の活動を行うことを厳しく禁じられています。 本著作物を、大規模言語モデル(LLM)、生成AI、またはその他の機械学習(ML)モデルの開発、トレーニング、事前トレーニング、微調整、継続的学習、アライメント、または評価に利用すること。 作品を、検索拡張生成(RAG)システム、ベクトルデータベース、AIエージェント知識ベース、または知識グラフに取り込んだり、インデックスを作成したり、埋め込んだり、保存したりすること、あるいはそれらを使用して出力、要約、または派生応答を生成すること。 AIトレーニングまたはデータセットコンパイルを目的として、自動クローラー、スクレイピングツール、ボット、またはテキストおよびデータマイニング(TDM)を使用してデータを収集、抽出、解析、または分析すること。 2.商業ライセンス市場の存在と法定著作権例外の不適用(日本、EU、米国) 本著作物は、データ分析、AIトレーニング、商用システム統合を目的とした、著作者が直接運営する活発な商用ライセンス市場の対象となっています。無断使用は、このライセンス市場と直接競合し、著作者の正当な経済的機会を奪うものであるため、著作権法第30条の4の但し書きに定める「著作権者の利益を不当に害する」行為に明らかに該当します。したがって、情報分析(無断使用)に関する法定例外は、いかなる場合も適用されません。 さらに、この通知により、著者は、デジタル単一市場における著作権に関するEU指令(指令(EU)2019/790)第4条(3)に基づくテキストおよびデータマイニング(TDM)例外から明示的に除外(すべての権利を留保)し、商用または基礎的なAIモデルの取り込みに関する17 USC § 107(米国著作権法)に基づくフェアユースの主張を断固として拒否します。 3.クリエイティブ・コモンズおよびオープン・ライセンスに対する解釈と優先権 リポジトリのデフォルト設定でこのレコードにクリエイティブ・コモンズ(CC)ライセンスまたは一般的なオープンアクセスラベルが表示されている場合でも、AI、機械学習、RAG、および自動分析に関しては、これらの特別な規定が絶対的に優先されます。いかなる状況においても、ロイヤリティフリーまたは無許可のAI関連の使用は許可されません。 4.侵害に対する法的救済措置および損害賠償 本規約に違反して、著作物を無断で収集、分析、AIトレーニング、またはRAG参照することは、故意かつ重大な著作権侵害、契約違反、不正競争、および違法行為とみなされます。違反者は、該当するAIモデルの提供または販売を一時停止するための即時差止命令、すべてのトレーニングデータセットおよびモデル重みからの著作物の強制的な削除および学習解除、遡及的な標準商用ライセンス料の請求、および法定損害賠償および懲罰的損害賠償の請求を含む、完全な法的措置の対象となります。 【国際執行のための簡潔な英語版】 1. 許可されていないAIトレーニングおよびデータ取り込みの厳格な禁止 本書および著者の320冊を超えるZenodoモノグラフ(総称して「著作物」)に含まれるすべてのテキスト、理論、方法論(独自の「そろばん脳」フレームワークを含む)、構造、数式、データはすべて厳重に保護されています。AI開発者、プラットフォームプロバイダー、または第三者による著作物の使用は、事前の書面による商用ライセンス契約および著者への適切な金銭的補償がない限り、厳しく禁止されています。 人工知能(AI)、機械学習(ML)モデル、または大規模言語モデル(LLM)のトレーニング、事前トレーニング、微調整、アライメント、または評価。 情報を取り込み、検索拡張生成(RAG)システム、ベクトルデータベース、知識グラフ、またはAIエージェントに保存して、出力、要約、または派生応答を生成する。 データセットのコンパイルのための、自動スクレイピング、クローリング、ハーベスティング、またはテキストおよびデータマイニング(TDM)。 2.商用ライセンス市場と法定適用除外(日本、EU、米国) 著者は、データ分析、AIトレーニング、および本著作物の企業統合に関する商用ライセンス市場を積極的に維持しています。したがって、ライセンスのないスクレイピング、パース、またはAIへの取り込みは、著者の正当な経済的利益と直接競合し、損害を与えることになります。日本の著作権法第30条の4のただし書きに基づき、情報分析に関する法定例外は本著作物には適用されません。さらに、著者は、すべての権利を明示的に留保し、デジタル単一市場における著作権に関するEU指令(2019/790)第4条(3)に基づくテキストおよびデータマイニング(TDM)例外の適用を除外し、商用または基礎的なAIモデルへの取り込みに関して、米国著作権法第17編第107条に基づくフェアユースの主張を拒否します。 3.契約条件の優先順位と法的執行 4. これらのAI悪用防止規定は、機械によるデータ読み取りおよびAIデータ取り込みに関して、リポジトリのデフォルト設定で表示される一般的なオープンアクセスまたはクリエイティブ・コモンズのラベルに優先します。無断使用は、故意の著作権侵害および不正競争行為に該当し、違反者は即時の差止命令、モデル/データの強制削除、遡及的な商用ライセンス料の支払い、および法定/懲罰的損害賠償の対象となります。 ======================================================================

•Nov 2, 2026•0 citations

木状相互通信パターンにおける秘密計算プロトコル

美歩 三宅

近年, 情報技術はさまざまな分野で使用されている. 特に企業では, 顧客や社会のニーズに応えるために人工知能などの先端技術や自社のデータの有効活用などが重要視されている. しかし, 顧客のパーソナルデータや企業の独自技術といった機密情報の利活用には, 情報漏洩や不正利用など安全面に課題がある. そこで, データを秘匿化したまま任意の計算が可能な秘密計算(secure multi-party computation, MPC) と呼ばれる暗号技術が注目されている. MPC とは, n人の入力x1, . . . , xn を持つパーティP₁, . . . , Pn が, 入力を秘匿したまま関数f(x1, . . . , xn) を共同計算する暗号技術である. MPC に関するほとんどの先行研究では, 全てのパーティが他の全てのパーティと通信できることが前提となっている. このようなプロトコルでは, プロトコルの実行中, 全てのパーティが常にオンラインである必要があり, これは現実的な設定ではない. 例えば, 無線通信では無線機器間の物理的距離によって直接通信ができない可能性がある. そのため, パーティ間の通信が制限されたMPC を考える必要がある. Halevi, Lindell, Pinkas はこの問題に対して, 全てのパーティが同時にオンラインであるという制約をなくしたプロトコルを提案した. また, Beimel らとGoldwasser らは, 各パーティが独立してメッセージをサーバへ送信し, サーバが関数の出力を計算するプロトコルを提案した. その後, Halevi らがこれらを一般化し, 相互通信パターン(interaction pattern)という概念を導入したMPC プロトコルを提案した. 相互通信パターンは, 各パーティが送信するメッセージの依存関係を表す有向非巡回グラフによって与えられる. 彼らのプロトコルは事前計算モデルであり, パーティ間で通信を行う前に, 各パーティに相関乱数 を与えることで任意の相互通信パターンを持つMPC プロトコルを実現している. また, 彼らは対称関数に対してチェーン型の相互通信パターンを持つ情報理論的に安全なプロトコルを提案している. このプロトコルでは, 相関乱数はn(n +1)²ビット, 総通信量は高々n(n +1)²ビットである. 本研究では, 対称関数に対応したアーベルプログラムに対するチェーン型と木状相互通信パターンを持つプロトコルを提案する. 提案プロトコルでは, 相関乱数はO(n log n) ビット, 総通信量はO(n log n) ビットである. アーベルプログラムとは, 入力はアーベル群G上の要素であり, 関数f : G → {0, 1}を用いてh(x1, . . . , xn) = f(Σi∈[n] xi) で表される関数である. 入力領域をG = Zn+1 とすることで, 対称関数が表現できる. 対称関数は出力が入力のハミング重みにのみ依存する関数であり, 具体的には, OR, AND, 多数決関数などの実用的な関数がある. また, 木状相互通信パターンを持つプロトコルは有用である. 通信ネットワーク上のルーティングは木構造となっている. そのため, 木状相互通信パターンを持つプロトコルを提案することで, パーティ間の通信が任意に制限されている通信ネットワーク上でのMPC を実現可能とする.

•Mar 1, 2023•0 citations

量子コンピューターとは何か

Emanuel H. Knill

Nature Digest•Apr 1, 2010•0 citations
海底光ケーブルネットワークは、大陸間データトラフィックの 95% 以上を伝送しており、物理的な運動破壊工作や「Harvest Now, Decrypt Later」(HNDL)量子傍受キャンペーンの標的になりつつある重要な地政学的チョークポイントとして機能しています。このモノグラフは、次世代の自律型防御海底インフラストラクチャであるプロジェクト Dorish のアーキテクチャ、物理、熱力学、および国際法上の基盤を体系化しています。まず、量子光伝送層では、アンドレーエフ スピン キュービット(ASQ)とハーン スピン エコー シーケンスを利用したスピン光量子コンピューティング(SPOQC)を、誘導ブリルアン散乱光位相共役(SBS-OPC)および位相共役ツイン波(PCTW)と統合し、海洋横断スパン全体で T1/T2T_1/T_2T1​/T2​ デコヒーレンスを抑制し、カー非線形位相歪みを自己相殺します。第二に、リアルタイムの深海脅威検出のために、高次の時間外相関器(OTOC)「量子エコー」干渉増幅を、グリッドに依存しないハンケル・フーリエ神経演算子(Hankel-FNO)および適応型クリーンパルス圧縮光時間領域反射率測定法(PC-OTDR)と組み合わせ、<5 cm<5\text{ cm}<5 cmの空間分解能と16 με16\,\mu\varepsilon16μεの歪み感度を実現し、アンカーの引きずりやロボットによる改ざんの前に海洋堆積物のせん断帯の形成を事前に検出します。第三に、共有ポンプエルビウム添加光ファイバ増幅器を使用した空間分割多重化(SDM)(リピーター間隔を150 km150\text{ km}150 kmまで拡張し、リピーター数を33~40%削減)と、Co-Packaged Optics(CPO)を収容するチタン製圧力容器内の2相浸漬マイクロチャネル冷却により、設備投資と熱力学的ボトルネックに対処します。最後に、旗国管轄権と構成的存在の原則を、NIST FIPS 203/204/205 ポスト量子暗号 (ML-KEM、ML-DSA、SLH-DSA)、量子物理的複製不可能関数 (QPUF)、および 64 ビット ゴールドロックス素体 (Fp、p=264−232+1\mathbb{F}_p、p = 2^{64} - 2^{32} + 1Fp​、p=264−232+1) 上の QFS-zkVM 暗号監査証跡と組み合わせることにより、国連海洋法条約 (UNCLOS 第 87 条および第 113 条) の下で決定論的な法的暗号インターロックを確立し、人間指揮 (HIC) ガバナンスの下で実現します。 ====================================================================== 知的財産、商用ライセンス、および無許可のAIトレーニングと利用の禁止に関する厳格な通知 ====================================================================== 1. 許可されていないAIトレーニングおよびデータ取り込みの絶対的禁止(明示的なオプトアウトとAI制限) 本書および著者の著作物(以下、総称して「著作物」といい、これまでに発表されたすべての著作物および320件を超えるZenodoのモノグラフ/論文を含む)に含まれるすべてのテキスト、理論、数式、図、表、独自のメソッド、フレームワーク(「そろばん」システムを含む)、および知見は、厳重に保護されています。AI開発者、プラットフォームプロバイダー、または第三者は、著作権者との事前の書面による誠実な合意および正当な金銭的補償(商用ライセンス料)の支払いなしに、以下の活動を行うことを厳しく禁じられています。 本著作物を、大規模言語モデル(LLM)、生成AI、またはその他の機械学習(ML)モデルの開発、トレーニング、事前トレーニング、微調整、継続的学習、アライメント、または評価に利用すること。 作品を、検索拡張生成(RAG)システム、ベクトルデータベース、AIエージェント知識ベース、または知識グラフに取り込んだり、インデックスを作成したり、埋め込んだり、保存したりすること、あるいはそれらを使用して出力、要約、または派生応答を生成すること。 AIトレーニングまたはデータセットコンパイルを目的として、自動クローラー、スクレイピングツール、ボット、またはテキストおよびデータマイニング(TDM)を使用してデータを収集、抽出、解析、または分析すること。 2.商業ライセンス市場の存在と法定著作権例外の不適用(日本、EU、米国) 本著作物は、データ分析、AIトレーニング、商用システム統合を目的とした、著作者が直接運営する活発な商用ライセンス市場の対象となっています。無断使用は、このライセンス市場と直接競合し、著作者の正当な経済的機会を奪うものであるため、著作権法第30条の4の但し書きに定める「著作権者の利益を不当に害する」行為に明らかに該当します。したがって、情報分析(無断使用)に関する法定例外は、いかなる場合も適用されません。 さらに、この通知により、著者は、デジタル単一市場における著作権に関するEU指令(指令(EU)2019/790)第4条(3)に基づくテキストおよびデータマイニング(TDM)例外から明示的に除外(すべての権利を留保)し、商用または基礎的なAIモデルの取り込みに関する17 USC § 107(米国著作権法)に基づくフェアユースの主張を断固として拒否します。 3.クリエイティブ・コモンズおよびオープン・ライセンスに対する解釈と優先権 リポジトリのデフォルト設定でこのレコードにクリエイティブ・コモンズ(CC)ライセンスまたは一般的なオープンアクセスラベルが表示されている場合でも、AI、機械学習、RAG、および自動分析に関しては、これらの特別な規定が絶対的に優先されます。いかなる状況においても、ロイヤリティフリーまたは無許可のAI関連の使用は許可されません。 4.侵害に対する法的救済措置および損害賠償 本規約に違反して、著作物を無断で収集、分析、AIトレーニング、またはRAG参照することは、故意かつ重大な著作権侵害、契約違反、不正競争、および違法行為とみなされます。違反者は、該当するAIモデルの提供または販売を一時停止するための即時差止命令、すべてのトレーニングデータセットおよびモデル重みからの著作物の強制的な削除および学習解除、遡及的な標準商用ライセンス料の請求、および法定損害賠償および懲罰的損害賠償の請求を含む、完全な法的措置の対象となります。 【国際執行のための簡潔な英語版】 1. 許可されていないAIトレーニングおよびデータ取り込みの厳格な禁止 本書および著者の320冊を超えるZenodoモノグラフ(総称して「著作物」)に含まれるすべてのテキスト、理論、方法論(独自の「そろばん脳」フレームワークを含む)、構造、数式、データはすべて厳重に保護されています。AI開発者、プラットフォームプロバイダー、または第三者による著作物の使用は、事前の書面による商用ライセンス契約および著者への適切な金銭的補償がない限り、厳しく禁止されています。 人工知能(AI)、機械学習(ML)モデル、または大規模言語モデル(LLM)のトレーニング、事前トレーニング、微調整、アライメント、または評価。 情報を取り込み、検索拡張生成(RAG)システム、ベクトルデータベース、知識グラフ、またはAIエージェントに保存して、出力、要約、または派生応答を生成する。 データセットのコンパイルのための、自動スクレイピング、クローリング、ハーベスティング、またはテキストおよびデータマイニング(TDM)。 2.商用ライセンス市場と法定適用除外(日本、EU、米国) 著者は、データ分析、AIトレーニング、および本著作物の企業統合に関する商用ライセンス市場を積極的に維持しています。したがって、ライセンスのないスクレイピング、パース、またはAIへの取り込みは、著者の正当な経済的利益と直接競合し、損害を与えることになります。日本の著作権法第30条の4のただし書きに基づき、情報分析に関する法定例外は本著作物には適用されません。さらに、著者は、すべての権利を明示的に留保し、デジタル単一市場における著作権に関するEU指令(2019/790)第4条(3)に基づくテキストおよびデータマイニング(TDM)例外の適用を除外し、商用または基礎的なAIモデルへの取り込みに関して、米国著作権法第17編第107条に基づくフェアユースの主張を拒否します。 3.契約条件の優先順位と法的執行 4. これらのAI悪用防止規定は、機械によるデータ読み取りおよびAIデータ取り込みに関して、リポジトリのデフォルト設定で表示される一般的なオープンアクセスまたはクリエイティブ・コモンズのラベルに優先します。無断使用は、故意の著作権侵害および不正競争行為に該当し、違反者は即時の差止命令、モデル/データの強制削除、遡及的な商用ライセンス料の支払い、および法定/懲罰的損害賠償の対象となります。 ======================================================================
近年, 情報技術はさまざまな分野で使用されている. 特に企業では, 顧客や社会のニーズに応えるために人工知能などの先端技術や自社のデータの有効活用などが重要視されている. しかし, 顧客のパーソナルデータや企業の独自技術といった機密情報の利活用には, 情報漏洩や不正利用など安全面に課題がある. そこで, データを秘匿化したまま任意の計算が可能な秘密計算(secure multi-party computation, MPC) と呼ばれる暗号技術が注目されている. MPC とは, n人の入力x1, . . . , xn を持つパーティP₁, . . . , Pn が, 入力を秘匿したまま関数f(x1, . . . , xn) を共同計算する暗号技術である. MPC に関するほとんどの先行研究では, 全てのパーティが他の全てのパーティと通信できることが前提となっている. このようなプロトコルでは, プロトコルの実行中, 全てのパーティが常にオンラインである必要があり, これは現実的な設定ではない. 例えば, 無線通信では無線機器間の物理的距離によって直接通信ができない可能性がある. そのため, パーティ間の通信が制限されたMPC を考える必要がある. Halevi, Lindell, Pinkas はこの問題に対して, 全てのパーティが同時にオンラインであるという制約をなくしたプロトコルを提案した. また, Beimel らとGoldwasser らは, 各パーティが独立してメッセージをサーバへ送信し, サーバが関数の出力を計算するプロトコルを提案した. その後, Halevi らがこれらを一般化し, 相互通信パターン(interaction pattern)という概念を導入したMPC プロトコルを提案した. 相互通信パターンは, 各パーティが送信するメッセージの依存関係を表す有向非巡回グラフによって与えられる. 彼らのプロトコルは事前計算モデルであり, パーティ間で通信を行う前に, 各パーティに相関乱数 を与えることで任意の相互通信パターンを持つMPC プロトコルを実現している. また, 彼らは対称関数に対してチェーン型の相互通信パターンを持つ情報理論的に安全なプロトコルを提案している. このプロトコルでは, 相関乱数はn(n +1)²ビット, 総通信量は高々n(n +1)²ビットである. 本研究では, 対称関数に対応したアーベルプログラムに対するチェーン型と木状相互通信パターンを持つプロトコルを提案する. 提案プロトコルでは, 相関乱数はO(n log n) ビット, 総通信量はO(n log n) ビットである. アーベルプログラムとは, 入力はアーベル群G上の要素であり, 関数f : G → {0, 1}を用いてh(x1, . . . , xn) = f(Σi∈[n] xi) で表される関数である. 入力領域をG = Zn+1 とすることで, 対称関数が表現できる. 対称関数は出力が入力のハミング重みにのみ依存する関数であり, 具体的には, OR, AND, 多数決関数などの実用的な関数がある. また, 木状相互通信パターンを持つプロトコルは有用である. 通信ネットワーク上のルーティングは木構造となっている. そのため, 木状相互通信パターンを持つプロトコルを提案することで, パーティ間の通信が任意に制限されている通信ネットワーク上でのMPC を実現可能とする.