Fugu-MT 論文翻訳(概要): 100Mbps Reconciliation for Quantum Key Distribution Using a Single Graphics Processing Unit

論文の概要: 100Mbps Reconciliation for Quantum Key Distribution Using a Single Graphics Processing Unit

arxiv url: http://arxiv.org/abs/2001.07979v1
Date: Wed, 22 Jan 2020 12:11:43 GMT
ステータス: 処理完了
システム内更新日: 2023-06-06 07:17:09.758325
Title: 100Mbps Reconciliation for Quantum Key Distribution Using a Single Graphics Processing Unit
Title（参考訳）: 単一グラフィックス処理ユニットを用いた量子鍵分布の100Mbps再構成
Authors: Yu Guo, Chaohui Gao, Dong Jiang, Lijun Chen
Abstract要約: 実験結果によると、GPUベースのアルゴリズムは、平均85.67 Mbpsと最大102.084 Mbpsの和解スループットを、典型的なコードレートと効率で高い精度で向上させることができる。
参考スコア（独自算出の注目度）: 4.492558237024044
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An efficient error reconciliation scheme is important for post-processing of quantum key distribution (QKD). Recently, a multi-matrix low-density parity-check codes based reconciliation algorithm which can provide remarkable perspectives for high efficiency information reconciliation was proposed. This paper concerns the improvement of reconciliation performance. Multi-matrix algorithm is implemented and optimized on the graphics processing unit (GPU) to obtain high reconciliation throughput. Experimental results indicate that GPU-based algorithm can highly improve reconciliation throughput to an average 85.67 Mbps and a maximum 102.084 Mbps with typical code rate and efficiency. This is the best performance of reconciliation on GPU platform to our knowledge.
Abstract（参考訳）: 量子鍵分布(qkd)のポストプロセッシングには,効率的な誤り照合方式が重要である。近年,高効率情報再構成のための目立った視点を提供するマルチマトリックス低密度パリティチェック符号に基づくリコンシリエーションアルゴリズムが提案されている。本稿では,和解性能の向上について述べる。グラフィックス処理ユニット(gpu)にマルチマトリックスアルゴリズムを実装し最適化し、高い調整スループットを得る。実験の結果、gpuベースのアルゴリズムは、平均85.67mbps、最大102.084mbpsの回復スループットを、典型的なコードレートと効率で高度に改善できることが示されている。これは私たちの知る限り、GPUプラットフォームでの和解の最高のパフォーマンスです。

関連論文リスト

Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
論文参考訳（メタデータ） (2024-10-28T04:47:39Z)
Optimization of Quantum Systems Emulation via a Variant of the Bandwidth Minimization Problem [41.94295877935867]
重み付きBMPは帯域最小化問題(BMP)の変種であるこの問題をMILP (Mixed Linear Program) を用いて定式化し, 解法の状態を用いて最適に解く。数値実験により、重み付きBMP法は逆カットヒル・マッキー法(RCM)よりも優れていることが示された。
論文参考訳（メタデータ） (2024-04-23T16:04:37Z)
Improving the Performance of Digitized Counterdiabatic Quantum Optimization via Algorithm-Oriented Qubit Mapping [0.4681661603096333]
本稿では,ディジタル化された反断熱量子最適化アルゴリズムの性能向上戦略を提案する。提案手法は,誤差軽減を伴わない平均4.49$times$の近似比を増大させる。本研究は,量子ビットマッピングとアルゴリズムパラメータの最適化に適したアルゴリズム実装の符号設計に関する貴重な知見を提供する。
論文参考訳（メタデータ） (2023-11-24T17:39:08Z)
An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-30T15:57:14Z)
Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文参考訳（メタデータ） (2022-03-26T20:37:14Z)
Hybrid Pixel-Unshuffled Network for Lightweight Image Super-Resolution [64.54162195322246]
畳み込みニューラルネットワーク(CNN)は画像超解像(SR)において大きな成功を収めたほとんどのディープCNNベースのSRモデルは、高い性能を得るために大量の計算を処理している。 SRタスクに効率的かつ効果的なダウンサンプリングモジュールを導入することで,HPUN(Hybrid Pixel-Unshuffled Network)を提案する。
論文参考訳（メタデータ） (2022-03-16T20:10:41Z)
Recommender System Expedited Quantum Control Optimization [0.0]
量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。効率的な最適化アルゴリズムの設計には2つの大きな課題がある。本稿では,後者の課題に対処するため,機械学習手法,特にレコメンダシステム(RS)を提案する。
論文参考訳（メタデータ） (2022-01-29T10:25:41Z)
Towards Mixed-Precision Quantization of Neural Networks via Constrained Optimization [28.76708310896311]
本稿では,混合精度量子化問題を解くための原理的枠組みを提案する。提案手法は原理的手法で導出され,より計算効率がよいことを示す。
論文参考訳（メタデータ） (2021-10-13T08:09:26Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Efficient Bitwidth Search for Practical Mixed Precision Neural Network [33.80117489791902]
ネットワーク量子化は、ディープニューラルネットワークを圧縮し加速する最も広く使われている方法の1つとなっている。近年の研究では、異なる精度で異なる層からの重みと活性化を定量化し、全体的な性能を向上させることを提案する。それぞれの層の重みと活性化に最適なビット幅(すなわち精度)を見つけることは困難である。一般的なハードウェアプラットフォーム上で、異なる精度の重み付けとアクティベーションのためにどのように畳み込みを実行するかは、まだ不明である。
論文参考訳（メタデータ） (2020-03-17T08:27:48Z)
Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
論文参考訳（メタデータ） (2020-01-12T15:54:20Z)

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。