MerLin 0.3は、Quandelaによって開発されたオープンソースフレームワークであり、フォトニック及びハイブリッド量子機械学習（QML）の体系的な探索を目的としています。Perceval SDKをベースに構築され、Strong Linear Optical Simulation（SLOS）を利用してPyTorchネイティブ環境内で厳密な量子状態計算を実行します。このアーキテクチャはQuantumLayerを中心に設計されており、これはtorch.nn.Moduleとして線形光学回路のエンドツーエンドの微分可能な訓練を可能にします。疎なフォトン数遷移グラフを事前計算することで、このフレームワークは位相シフタやビームスプリッタなどの回路パラメータの勾配ベース最適化を、標準的な古典AI パイプライン内で直接加速します。
このフレームワークは、フーリエのような特徴マッピングのための角度エンコーディングや状態ベクトル初期化のための振幅エンコーディングを含む、複数のデータエンコーディング手法をサポートしています。QuantumBridge抽象化により、量子ビットベースのゲートをフォトニックのデュアルレールまたはQLOQエンコーディングにマッピングすることで、パラダイム横断のアーキテクチャ比較が可能になります。MerLinは、MerlinProcessorインターフェースを通じてハードウェアを意識した実行向けに設計されており、これによりハイブリッドモデルコンポーネントをQuandelaのBelenosシステムなどの物理的な量子処理ユニット（QPU）にオフロードすることが容易になります。また、ノイズモデルとフォトン数分解検出器やしきい値検出器を含む検出器固有のセマンティクスも統合しており、研究者が訓練フェーズ中にハードウェアの制約をシミュレートできるようにしています。
QMLにおける再現性の課題に対処するため、MerLinは量子カーネル、リザーバーコンピューティング、畳み込みアーキテクチャにわたる18の最先端論文を再現したライブラリを含んでいます。これらのモジュール式実験は、統一された条件下でフォトニックとゲートベースのモダリティを比較するための標準化されたベースラインを提供します。これらの再現から得られた技術的洞察は、フォトニック変分量子回路（VQC）における表現力が、回路深度を増加させることなく入力フォトン数に対して線形にスケールすることを示しています。この経験的アプローチは、QMLを孤立した実証から量子有用性を評価するための規律ある工学的フレームワークへと移行させることを意図しています。
詳細については、MerLinの技術論文、公式ブログ解説、MerLin GitHubリポジトリ、またはフレームワークドキュメントをご参照ください。
2026年2月21日
